知识卡片
R² 衡量相对均值的改进
R² = 1 − 误差平方和 / 总平方和。总平方和是 y 相对自身均值的离差平方和,恰好等于“永远预测 mean(y)”这个最笨模型的误差。所以 R² 读作:相对预测均值这条基线,模型消除了多少误差。全部预测准确时为 1;和预测均值一样差时为 0。两条边界值得记住:它只在同一份数据、同一个因变量上可比;而且它衡量的是“拟合”,不是“有用”,本例的 0.329 只说明模型解释了约三分之一的变化,剩下三分之二仍来自模型未纳入的因素。
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
- 第14章 简单线性回归 · 查看原书依据
平方最小为 0 的时候。同时,误差平方和最小为 0,因此 R 平方最大为 1。 R 平方越高,模型与数据的拟合程度越好。
参考来源
- 位置:《数据科学入门(第2版)》第14章 简单线性回归(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0018.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「平方最小为 0 的时候……」
- 原始内容:平方最小为 0 的时候。同时,误差平方和最小为 0,因此 R 平方最大为 1。 R 平方越高,模型与数据的拟合程度越好。