什么是R平方，它有什么作用？
R平方是用于评估我们的回归模型的拟合优度的统计度量。 在R平方中，我们有一个基线模型，它是最差的模型。该基线模型没有使用任何独立变量来预测因变量Y的值。相反，它使用因变量Y的观测响应的平均值，并始终将该平均值预测为Y的值。 我们适合的任何回归模型都与该基线模型进行比较，以了解它是否合适。 换句话说，R-squared简单地解释了与基线模型相比，您的模型有多好
R平方的数学表示
R平方由下式给出
R平方值可以取的范围是多少？
我们最糟糕的回归模型可能是基线模型本身。 因此，在这种情况下，SSE将等于SST。 所以R平方将等于 R平方= 1-1 = 0
这就是R平方= 0的模型的样子
我们最好的模型将是完美适合所有数据点的模型，所以在这种情况下SSE将为0。 所以，R平方= 1-0 = 1表示一个完美的模型。
与模型R平方接近1
所以R平方可以取0到1之间的值，其中接近于0的值表示不合适，而接近1的值表示完美契合。 如何解释R平方？ 如果R平方= 0.93，则意味着因变量Y的93％变化由我们模型中存在的自变量解释。使用R平方的缺陷
R-squared可以被人为地提高。也就是说，我们可以通过简单地向模型添加越来越多的自变量来增加R平方的值。 换句话说，在添加更多独立变量时，R平方不会减少。 有时候，这些变量中的一些可能非常微不足道，对我们的模型来说可能是无用的。 为什么会发生？调整R平方
调整后的R平方简单地惩罚了添加更多无用变量的模型。 调整的R平方由下式 给出
调整的R平方是如何工作的？
随着我们模型中增加自变量的 数量 ，n-p-1减少，所以如果我们除以
R平方与调整的R平方有什么不同？
R平方告诉你模型如何适合数据点，而调整的R平方告诉你模型的特定特征有多重要。版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 787013311@qq.com 举报，一经查实，本站将立刻删除。