【统计学习3】线性回归：R方（R-squared）及调整R方（Adjusted R-Square）

最新推荐文章于 2025-10-14 18:08:18 发布
原创 最新推荐文章于 2025-10-14 18:08:18 发布 · 10w+ 阅读 · 139 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了线性回归中的R方（R-squared）和调整R方（Adjusted R-Square）。R方是衡量模型拟合度的比例，其值介于0和1之间。在一元线性回归中，R方等于相关系数的平方。而在多元线性回归中，R方反映了响应变量与所有预测变量的线性关系。调整R方则考虑了模型中变量的数量，避免因增加无关变量导致的拟合度虚假提升。

第一：R方（R-squared）

定义：衡量模型拟合度的一个量,是一个比例形式，被解释方差/总方差。

公式：R-squared = SSR/TSS

                            =1 -  RSS/TSS

其中：TSS是执行回归分析前，响应变量固有的方差。

          RSS残差平方和就是，回归模型不能解释的方差。

          SSR回归模型可以解释的方差。

综上，R-squared 比列值区间在【0，1】


第二：线性回归模型下，R方和相关系数

相关系数公式


我们知道，相关系数衡量两个变量【预测变量X,响应变量Y】之间的"距离"。

1、一元线性回归

R方在一元线性回归模型中，衡量【响应变量X和预测变量Y】的线性关系。

R方=cor（X,Y)^2

但是在多元线性回归模型中，因为涉及多个预测变量，所有R方就是衡量响应变量和多个预测变量之间的关系。

而相关系数，只是衡量一对变量之间的关系，所有就不能推广了。

2、多元线性回归模型

R平方=cov（y，yi）^2

其中相关系数的两个变量变成，响应值和线性回归的预测值了。当然一元线性也同样适用了。


第三：调整R方（Adjusted R-Square）

最低0.47元/天 解锁文章
机器学习模型评估：决定系数R²（R-squared）
天涯雨的博客
06-20 1269
机器学习模型评估：决定系数R²（R-squared）
如何在 R 中计算调整后的 R 平方
Mrrunsen的博客
08-22 1万+
R-squared 的值可以在 0 到 1 之间。值 0 表示响应变量根本不能被预测变量解释，而值 1 表示响应变量可以被预测变量完美地解释而没有错误变量。R 平方，通常写成 R 2，是响应变量中的方差比例，它可以由线性回归模型中的预测变量来解释。调整后的R 平方是 R 平方的修改版本，用于调整回归模型中预测变量的数量。调整后的 R 2 = 1 – [(1-R 2 )*(n-1)/(nk-1)]示例：如何在 R 中计算调整后的 R 平方。调整后的 R 平方： 0.7787。R 2 :模型的 R 2。
计算矩阵的秩
最新发布
2301_82192023的博客
10-14 733
矩阵的秩是一个强大的数学工具，在数据分析中有着广泛的应用：帮助识别数据集中的冗余信息指导特征选择和降维策略在机器学习模型中防止过拟合优化计算效率和存储空间通过Python的科学计算库，我们可以轻松地计算和分析矩阵的秩，从而更好地理解和处理数据。希望这篇博客能帮助你理解矩阵秩的概念及其在数据分析中的应用！
【漫话机器学习系列】002.拟合度：调整R方（Adjusted R-Squared）
IT古董
12-09 2962
调整R-Squared是回归分析中的一个指标，用于评估回归模型的拟合优度。与标准R-Squared不同，调整R-Squared引入了对模型复杂度的惩罚，以避免因加入过多变量而导致的虚高拟合效果。调整 是回归模型评估中的重要指标，能够平衡模型的拟合优度和复杂度。通过引入惩罚项，它在选择最优模型时尤为有效。与标准R-Squared相比，调整 R-Squared更适合多变量回归分析，并能帮助我们避免过拟合风险。
R-squared
gaoxiaobai666666的博客
01-23 1万+
第一R-squareda and Adjusted R-squared R-squared： 定义：衡量模型拟合度的一个量，是一个比例式，比例区间为[0,1],越接近1，表示模型拟合度越高 公式：R-squared= SSR/SST                               = 1-SSE/SST 其中：SST是原始数据和均值之差的平方和，SSR即预测数据和原始数据均值之...
线性回归模型度量参数2- Multiple R R-Squared adjusted R-squared
neweastsun的专栏
02-01 1万+
本文解释线性回归模型的一些度量参数及其之间的关系，并通过示例说明其计算过程。 模型度量参数概述 当我们使用回归模型时，通常在输出包括一些度量拟合程度的参数。 Multiple R 多个变量之间多重相关性。 对于简单线性回归模型，表示预测变量与响应变量之间的相关性；对于多重线性回归模型，响应变量的观测值和预测值之间的相关性。其平方值为R-Squared。 R-Squared 也称为决定系数，它是衡量线性回归模型拟合数据集的程度，表示一定比例响应变量的方差能够被预测变量解释。R-Squared .
R-squared 和 Adjusted R-squared联系与区别
热门推荐
未来战警
06-11 7万+
原文见： https://discuss.analyticsvidhya.com/t/difference-between-r-square-and-adjusted-r-square/264/8 下面是自己理解的总结： 大概意思就是说，R-squared（值范围0-1）描述的 输入变量对输出变量的解释程度。在单变量线性回归中R-squared 越大，说明拟合程度越好。 然而只要曾加了...
R语言计算调整的R方（ Adjusted R-Squared）实战
statistics+insight+vista+power
03-11 2020
R语言计算调整的R方（ Adjusted R-Squared）实战
r2adj——调整r方Adjusted R-Squared
未央的博客
12-09 1万+
import pandas as pd import numpy as np from sklearn import datasets, linear_model from sklearn.linear_model import LinearRegression import statsmodels.api as sm from scipy import stats import matplotl...
搞懂回归和分类模型的评价指标的计算：混淆矩阵，ROC，AUC，KS，SSE，R-square，Adjusted R-Square
大数据AI笔记
09-14 8979
今天看到某同学总结了回归和分类模型的评价指标，两篇博客讲的特别清楚，真心感谢博主的分享，蓝色的大标题是原文链接。 回归模型的几个评价指标 对于回归模型效果的判断指标经过了几个过程，从SSE到R-square再到Ajusted R-square, 是一个完善的过程： SSE(误差平方和)：The sum of squares due to error R-square(决定系数)：Coe...
R-squared 和 Adjusted R-squared 的区别
u014765410的博客
03-11 1万+
如果在现有model中，再加入一个“无关自变量”，则R-squared的值仍然会增加，但是，实质上，model的拟合度并未增加； 为了弥补R-suqared的缺陷，提出了Adjusted R-squared，它在R-squared的基础上，加入了一个“惩罚项”，当向现有model加入一个“无关自变量”时，Adjusted R-squared会给这个“无关自变量”一个惩罚，从而使得Adjusted ...
数据科学 | 如何解释线性回归的R方
机器学习算法那些事
12-31 4万+
R方，即R-Squared，常用来衡量线性回归的拟合度。相关性“r"衡量两个变量间的相关性，相关性接近1表示变量间具有很强的正相关性，接近-1表示变量间具有很强的负相关性，接近0...
（机器学习）如何评价回归模型？——Adjusted R-Square（校正决定系数）
weixin_38100489的博客
10-08 6万+
三种方式评价回归模型结果：误差平方和，R-Square（决定系数），Adjusted R-Square（校正决定系数）。及相关公式。
R-Squared
zrh_CSDN的博客
07-25 1万+
在一个线性回归问题中，我们使用 R 平方（R-Squared）来判断拟合度。此时，如果增加一个特征，模型不变，则下面说法正确的是？ A. 如果 R-Squared 增加，则这个特征有意义 B. 如果R-Squared 减小，则这个特征没有意义 C. 仅看 R-Squared 单一变量，无法确定这个特征是否有意义。 D. 以上说法都不对 答案：C 解析：线性回归问题中，R-Squared...
【机器学习】12. 线性回归 Residual 残差系数 R方
weixin_48846514的博客
09-09 966
R方计算两个公式，为什么有负数，你悟了吗？
R-Squared and adjusted R-Squared
zongyushi的博客
06-16 2415
The easiest way to check the accuracy of a model is by looking at the R-squared value. The summary provides two R-squared values, namely Multiple R-squared, and Adjusted R-squared. The Multiple R-squa...
R平方值 (R-Squared)
大连赵哥的博客
07-27 9927
R平方值 (R-Squared)
回归分析与回归分析中的 R 平方
weixin_42219192的博客
07-17 2973
方便的是，在观察吸烟的影响时，您也在控制咖啡摄入量。另一方面，真实实验中的随机化过程往往会平均分配这些变量的影响，从而减少遗漏变量偏差。智商系数表明，在控制模型中的其他所有变量的情况下，每增加一个智商点，您的收入平均增加约 4.80 美元。幸运的是，如果 R 平方值较低但独立变量具有统计显著性，您仍然可以得出有关变量之间关系的重要结论。乍一看，R 平方似乎是一个易于理解的统计数据，它表明回归模型与数据集的拟合程度。高 R 2是实现精确预测的必要条件，但仅靠 R 2 是不够的，我们将在下一节中揭示这一点。
【机器学习】衡量线性回归算法最好的指标：R Squared
在记录自己编程工作与编程生活的同时，给那些困于无法入门编程世界的朋友提供一点帮助，在有限的生命中给有需要的人尽一点绵薄之力。
02-20 1583
本文主要介绍了线性回归算法中用于衡量模型优劣的重要指标——R Squared（R方）。R方用于比较模型预测结果与实际结果的拟合程度，其值范围在0到1之间，越接近1表示模型预测效果越好。R方的计算涉及预测误差与总误差的比较，其中分子为预测误差的平方和分母为总误差的平方和。当R方等于1时，表示模型预测无误差；小于零则表明模型效果不佳，可能不适合线性回归。此外，还介绍了如何通过编程实践计算R方值，并在不同的机器学习库中实现该指标的计算。最后，强调了R方作为衡量线性回归模型性能的关键指标的重要性。
线性回归模型评估r方结果
05-16
### 如何评估线性回归模型的 R 方 R 方（R-squared），也被称为决定系数，是用来衡量线性回归...因此，在实践中还需要结合其他指标如调整后的 R 方（Adjusted R-Square）、AIC 或 BIC 来综合评价模型性能[^1]。 ###
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值