Data Science - Regressietabel: R-kwadraat
R - Kwadraat
R-kwadraat en aangepast R-kwadraat beschrijft hoe goed het lineaire regressiemodel past bij de gegevenspunten:
De waarde van R-kwadraat ligt altijd tussen 0 en 1 (0% tot 100%).
- Een hoge R-kwadraatwaarde betekent dat veel gegevenspunten dicht bij de lineaire regressiefunctielijn liggen.
- Een lage R-kwadraatwaarde betekent dat de lineaire regressiefunctielijn niet goed bij de gegevens past.
Visueel voorbeeld van een lage R - kwadraatwaarde (0,00)
Ons regressiemodel toont een R-kwadraatwaarde van nul, wat betekent dat de lineaire regressiefunctielijn niet goed bij de gegevens past.
Dit kan worden gevisualiseerd wanneer we de lineaire regressiefunctie plotten via de gegevenspunten van Average_Pulse en Calorie_Burnage.
Visueel voorbeeld van een hoge R - kwadraatwaarde (0,79)
Als we echter Duration en Calorie_Burnage plotten , neemt het R-kwadraat toe. Hier zien we dat de gegevenspunten dicht bij de lineaire regressiefunctielijn liggen:
Hier is de code in Python:
Voorbeeld
import pandas as pd
import matplotlib.pyplot as plt
from scipy
import stats
full_health_data = pd.read_csv("data.csv", header=0, sep=",")
x = full_health_data["Duration"]
y =
full_health_data ["Calorie_Burnage"]
slope, intercept, r, p, std_err =
stats.linregress(x, y)
def myfunc(x):
return slope * x + intercept
mymodel = list(map(myfunc, x))
print(mymodel)
plt.scatter(x,
y)
plt.plot(x, mymodel)
plt.ylim(ymin=0, ymax=2000)
plt.xlim(xmin=0,
xmax=200)
plt.xlabel("Duration")
plt.ylabel ("Calorie_Burnage")
plt.show()
Samenvatting - Calorie_Burnage voorspellen met Average_Pulse
Hoe kunnen we de lineaire regressiefunctie samenvatten met Average_Pulse als verklarende variabele?
- Coëfficiënt van 0,3296, wat betekent dat Average_Pulse een zeer klein effect heeft op Calorie_Burnage.
- Hoge P-waarde (0,824), wat betekent dat we geen relatie kunnen concluderen tussen Average_Pulse en Calorie_Burnage.
- R-kwadraatwaarde van 0, wat betekent dat de lineaire regressiefunctielijn niet goed bij de gegevens past.