Porównywanie resztowego błędu standardowego
Drugą popularną miarą dopasowania modelu jest resztowy błąd standardowy (RSE), który określa typową wielkość reszt.
RSE nie można pobrać bezpośrednio za pomocą statsmodels, ale średni błąd kwadratowy (MSE) jest dostępny przez atrybut .mse_resid. Pierwiastek kwadratowy z MSE daje właśnie RSE.
W poprzednim ćwiczeniu zobaczyłeś, że uwzględnienie obu zmiennych objaśniających w modelu zwiększyło współczynnik determinacji. Jak myślisz, jak użycie obu zmiennych objaśniających wpłynie na RSE?
Dostępne są dopasowane modele: mdl_price_vs_conv, mdl_price_vs_age oraz mdl_price_vs_both.
To ćwiczenie jest częścią kursu
Regresja średnio zaawansowana ze statsmodels w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print the RSE for mdl_price_vs_conv
print("rse_conv: ", ____)
# Print the RSE for mdl_price_vs_age
print("rse_age: ", ____)
# Print RSE for mdl_price_vs_both
print("rse_both: ", ____)