Bestimmtheitskoeffizient in der Vorhersage()

Question

Ich versuche mein lineares Regressionsmodell zu validieren, indem ich die predict() Funktion benutze. Ich verwende hierfür Kalibrierungs- und Validierungsdatensätze. Gibt es eine Möglichkeit, R^2 als Ausgabe für predict() zu erhalten? Ich möchte es mit der Zusammenfassung meines Kalibrierungssets vergleichen.

Im Moment verstehe ich nicht die Ausgabe von predict().

diesen Teil meines Code ist:

model<-lm(y~x, data=daten) 
model 

model2<-predict(model,daten2) 
model2 

summary(model) 
Call: 
lm(formula = y ~ x, data = daten) 

Residuals: 
Min  1Q Median  3Q  Max 
-5.0347 -1.4576 -0.7656 1.4046 5.5095 

Coefficients: 
Estimate Std. Error t value Pr(>|t|)  
(Intercept) -44.03468 7.40057 -5.950 1.58e-05 *** 
x    0.39646 0.04928 8.045 3.38e-07 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 2.728 on 17 degrees of freedom 
Multiple R-squared: 0.792, Adjusted R-squared: 0.7798 
F-statistic: 64.73 on 1 and 17 DF, p-value: 3.379e-07 

summary(model2) 
Min. 1st Qu. Median Mean 3rd Qu. Max. 
4.719 12.820 15.350 15.650 20.180 27.370 

Answer 1

RMSE <- function(fitted, true){ 
    sqrt(mean((fitted - true)^2)) 
} 

R2 <- function(fitted, true){ 
1 - (sum((true - fitted)^2)/sum((true - mean(true))^2)) 
} 

angepassten Werte in model2 sind, während die wahren Werte wahrscheinlich in Antwort-Variable von daten2

RMSE(model2, daten2$y) 

R2(model2, daten2$y) 

Der Punkt

sind: a berechnen Güte der Anpassungsmetrik Sie müssen die wahren Ergebnisse zusammen mit den vorhergesagten Werten angeben. "predicate.lm" liefert nur die vorhergesagten Werte