การเปรียบเทียบค่าความคลาดเคลื่อนมาตรฐานของส่วนตกค้าง
อีกหนึ่งเมตริกที่ใช้ประเมินความพอดีของโมเดลคือ ค่าความคลาดเคลื่อนมาตรฐานของส่วนตกค้าง (RSE) ซึ่งวัดขนาดทั่วไปของส่วนตกค้าง
ไม่สามารถดึงค่า RSE ออกมาจาก statsmodels ได้โดยตรง แต่สามารถดึงค่า mean squared error (MSE) ได้ผ่าน attribute .mse_resid แล้วนำค่านั้นมาถอดรากที่สองเพื่อให้ได้ RSE
ในแบบฝึกหัดที่ผ่านมา คุณเห็นแล้วว่าการใส่ตัวแปรอธิบายทั้งสองเข้าไปในโมเดลทำให้ค่าสัมประสิทธิ์การตัดสินใจสูงขึ้น แล้วคิดว่าการใช้ตัวแปรอธิบายทั้งสองพร้อมกันจะส่งผลต่อค่า RSE อย่างไร?
mdl_price_vs_conv, mdl_price_vs_age และ mdl_price_vs_both พร้อมใช้งานในฐานะโมเดลที่ฝึกแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Regression ระดับกลางด้วย statsmodels ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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: ", ____)