在数据分析和机器学习中,评估模型的性能是一项重要的任务,R语言提供了许多用于评估模型准确性的指标,其中最常用的是R方(R-squared)指标,除了R方之外,还有其他一些常用的指标,如调整R方(Adjusted R-squared)、均方误差(Mean Squared Error)和均方根误差(Root Mean Squared Error)。
1、R方(R-squared)
R方是一种常见的模型评估指标,用于衡量回归模型对观测数据的拟合程度,它的取值范围在0到1之间,越接近1表示模型拟合得越好,而越接近0则表示拟合效果较差,R方的计算公式如下:
# 计算R方
r_squared <- function(actual, predicted) {
numerator <- sum((predicted - mean(actual))^2)
denominator <- sum((actual - mean(actual))^2)
r2 <- numerator / denominator
return(r2)
}
在上述代码中,actual
为观测到的实际值,predicted
为模型预测的值,函数r_squared
计算了R方,并返回结果。
2、调整R方(Adjusted R-squared)
调整R方是对R方进行修正的指标,考虑了模型中使用的自变量数量,它的计算公式如下:
# 计算调整R方
adjust