知识卡片
判定系数R2
判定系数 R² 是统计学中衡量回归方程拟合程度的指标,取值在 [0,1] 之间,越接近 1 说明拟合越好,越接近 0 说明拟合越差。 极端情形:若所有样本点都落在回归函数上,残差平方和 SSE 为 0,R²=1,意味着样本变化完全可由回归函数解释;若 R² 很低,则说明 X 与 Y 之间可能根本不存在关系。 用途迁移:在产品价值量化中,销售额往往有周期波动且受多因素影响,难以单纯归因于某个新功能。可借鉴判定系数的思路,预测“提升的产能与实际产能之间的偏差”,自定义计算方式来量化新功能带来的业务价值。 边界:R² 只反映线性解释力度,高 R² 不等于因果关系成立。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 趋势预测专家:回归分析 4.3 如何评价回归模型的效果 · 查看原书依据
的取值在[0,1]之间,取值越接近1说明预测函数的拟合程度越好。假设所有的样本点都在回归函数上,则SSE为0,R2 =1,这意味着Y的变化完全是由因变量的变化引起的,没有其他因素会影响样本的真实值,回归函数完全能够解释样本的变化。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第4章《趋势预测专家:回归分析》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00009.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文说明“R2的取值在[0,1]之间,取值越接近1说明预测函数的拟合程度越好。假设所有的样本点都在回归函数上,则SSE为0,R2=1”,并给出产品价值量化案例,支撑本卡对含义与用途的解释。
- 原始内容:的取值在[0,1]之间,取值越接近1说明预测函数的拟合程度越好。假设所有的样本点都在回归函数上,则SSE为0,R2 =1,这意味着Y的变化完全是由因变量的变化引起的,没有其他因素会影响样本的真实值,回归函数完全能够解释样本的变化。