R-squared'ı hesapla
Modelinin tahminlerinin RMSE'sini hesapladığına göre, şimdi modelin veriye ne kadar iyi uyduğunu inceleyeceksin: yani, ne kadar varyansı açıkladığını. Bunu \(R^2\) ile yapabilirsin.
Diyelim ki \(y\) gerçek sonuç, \(p\) modelin tahmini ve \(res = y - p\) tahminlerin artık değerleri (residuals).
O zaman verinin toplam kareler toplamı \(tss\) ("toplam varyans"):
$$ tss = \sum{(y - \overline{y})^2} $$
burada \(\overline{y}\), \(y\)'nin ortalamasıdır.
Modelin artık kareler toplamı \(rss\) ise: $$ rss = \sum{res^2} $$
Modelin açıkladığı "varyans" olan \(R^2\) şöyle tanımlanır:
$$ 1 - \frac{rss}{tss} $$
\(R^2\)'yi hesapladıktan sonra, elde ettiğin değeri glance() (docs) tarafından rapor edilen \(R^2\) ile karşılaştıracaksın. glance() tek satırlık bir veri çerçevesi döndürür; lineer regresyon modeli için dönen sütunlardan biri, modelin eğitim verisi üzerindeki \(R^2\) değeridir.
unemployment veri çerçevesi senin için yüklendi ve önceki bir egzersizde hesapladığın predictions ve residuals sütunlarını içeriyor. unemployment_model da kullanımın için hazır.
Bu egzersiz, kursun bir parçasıdır
R'de Supervised Learning: Regresyon
Egzersiz talimatları
female_unemploymentdeğişkeninin ortalamasını hesapla vefe_meandeğişkenine ata.- Toplam kareler toplamını hesapla ve
tssdeğişkenine ata. - Artık kareler toplamını hesapla ve
rssdeğişkenine ata. - \(R^2\)'yi hesapla. Uyum iyi mi (\(R^2\) 1'e yakın mı)?
- Modelden \(R^2\) değerini almak için
glance()kullan. Hesapladığınla aynı mı?
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# unemployment is available
summary(unemployment)
# unemployment_model is available
summary(unemployment_model)
# Calculate and print the mean female_unemployment: fe_mean
(fe_mean <- ___)
# Calculate and print the total sum of squares: tss
(tss <- ___((___ - ___)^2))
# Calculate and print residual sum of squares: rss
(rss <- ___)
# Calculate and print the R-squared: rsq
(rsq <- ___)
# Get R-squared from glance and print it
(rsq_glance <- ___(___)$___)