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.Bestimmtheitskoeffizient in der Vorhersage()
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
Was/wo ist Ihre bekannte Antwortvariable? Das heißt, Sie geben 'x' von' dataen2' in ein Modell ein, um das vorhergesagte 'y' zu erhalten. Um zu testen, wie gut dein Modell ist, brauchst du "y's" zu vergleichen. – CPak
Nein, 'predicate' kann Ihren R² nicht geben. Es gibt Vorhersagen. – Roland
Wie kann ich meine Regression validieren? Durch den Vergleich der Werte? – Andrea