Questions marquées «r-squared»

Le coefficient de détermination, généralement symbolisé par R2, est la proportion de la variance de réponse totale expliquée par un modèle de régression. Peut également être utilisé pour divers pseudo-R au carré proposés, par exemple pour la régression logistique (et d'autres modèles.)

1
Comment obtenir un R au carré pour un ajustement Loess?
Comment calculer la statistique R au carré ( ) dans R pour et / ou la sortie de fonction? Par exemple pour ces données:r2r2r^2loesspredict cars.lo <- loess(dist ~ speed, cars) cars.lp <- predict(cars.lo, data.frame(speed = seq(5, 30, 1)), se = TRUE) cars.lpa deux tableaux fitpour le modèle et se.fitpour l'erreur …
15 r  r-squared  loess 
2
Comment choisir entre les différentes formules
Je pense aux formules ajustées au R proposées par: Ezekiel (1930), qui je crois est celui actuellement utilisé dans SPSS. R2adjusted=1−(N−1)(N−p−1)(1−R2)Runeréjusteré2=1-(N-1)(N-p-1)(1-R2)R^2_{\rm adjusted} = 1 - \frac{(N-1)}{(N-p-1)} (1-R^2) Olkin et Pratt (1958) R2unbiased=1−(N−3)(1−R2)(N−p−1)−2(N−3)(1−R2)2(N−p−1)(N−p+1)Runbiased2=1−(N−3)(1−R2)(N−p−1)−2(N−3)(1−R2)2(N−p−1)(N−p+1)R^2_{\rm unbiased} = 1 - \frac{(N-3)(1-R^2)}{(N-p-1)} - \frac{2(N-3)(1-R^2)^2}{(N-p-1)(N-p+1)} Dans quelles circonstances (le cas échéant) devrais-je préférer «ajusté» à «impartial» …
2
Différence entre la sélection d'entités basée sur la «régression F» et basée sur les valeurs ?
La comparaison d'entités utilise-t-elle F-regressionla même chose que la corrélation individuelle d'entités avec l'étiquette et l'observation de la valeur ?R2R2R^2 J'ai souvent vu mes collègues utiliser une F regressionsélection de fonctionnalités dans leur pipeline d'apprentissage automatique à partir de sklearn: sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)` Certains me disent s'il vous plaît - pourquoi cela …
4
Pourquoi
Remarque: SSTSSTSST = somme des carrés au total, SSESSESSE = somme des erreurs au carré et SSRSSRSSR = somme des carrés de régression. L'équation dans le titre est souvent écrite comme suit: ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Question assez simple, mais je cherche une explication intuitive. Intuitivement, …
2
Sélection des composants PCA qui séparent les groupes
J'ai fréquemment utilisé pour diagnostiquer mes données multivariées à l'aide de l'ACP (données omiques avec des centaines de milliers de variables et des dizaines ou des centaines d'échantillons). Les données proviennent souvent d'expériences avec plusieurs variables indépendantes catégorielles définissant certains groupes, et je dois souvent passer par quelques composants avant …
1
R au carré dans le modèle linéaire vers la déviance dans le modèle linéaire généralisé?
Voici mon contexte pour cette question: D'après ce que je peux dire, nous ne pouvons pas exécuter une régression ordinaire des moindres carrés dans R lors de l'utilisation de données pondérées et du surveypackage. Ici, nous devons utiliser svyglm(), qui exécute à la place un modèle linéaire généralisé (qui peut …
2
Comment puis-je utiliser la valeur de
Les graphiques ci-dessous sont des diagrammes de dispersion résiduels d'un test de régression pour lesquels les hypothèses de "normalité", "homoscédasticité" et "indépendance" ont déjà été vérifiées à coup sûr! Pour tester l' hypothèse de «linéarité» , bien que, en regardant les graphiques, on puisse deviner que la relation est curviligne, …
2
Calcul de
J'ai lu sur le calcul des valeurs dans des modèles mixtes et après avoir lu la FAQ R-sig, d'autres articles sur ce forum (j'en lierais quelques-uns mais je n'ai pas assez de réputation) et plusieurs autres références je comprends que l'utilisation valeurs de dans le contexte des modèles mixtes sont …
1
Valeur attendue de , le coefficient de détermination, sous l'hypothèse nulle
Je suis curieux de la déclaration faite au bas de la première page de ce texte concernant l' ajustementR2adjustedRadjusted2R^2_\mathrm{adjusted} R2adjusted=1−(1−R2)(n−1n−m−1).Radjusted2=1−(1−R2)(n−1n−m−1).R^2_\mathrm{adjusted} =1-(1-R^2)\left({\frac{n-1}{n-m-1}}\right). Le texte dit: La logique de l'ajustement est la suivante: en régression multiple ordinaire, un prédicteur aléatoire explique en moyenne une proportion 1/(n–1)1/(n–1)1/(n – 1) de la variation de …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.