6-amaliy mashg’ulot. Python yordamida ko'p chiziqli regressiya modelini baholash

Modelni yaratgandan so'ng, uning ishlashini tekshirish muhim.

Aniqlanish koeffitsienti (R²)

Determinatsiya koeffitsienti - mustaqil o'zgaruvchining o'zgarishi bilan izohlanadigan bog’liq o'zgaruvchidagi umumiy o'zgarishlarning qismi. R² ballari quyidagicha hisoblanadi:

Statsmodelda biz modelimizning ".r squared" atributiga kirish orqali modelimizning R² qiymatini olishimiz mumkin.

print('R2 score:', olsmod.rsquared)

Natija: R2 score: 0.5214779360292285

R² diapazoni 0 va 1 oralig'ida, bu erda R²=0 o'zgaruvchilar o'rtasida chiziqli munosabat yo'qligini bildiradi va R²=1 mukammal chiziqli munosabatni ko'rsatadi. Bizning holatda, biz taxminan 0,5214 R² ball oldik, ya'ni bizning bog'liq o'zgaruvchimizning 52,14% mustaqil o'zgaruvchilarimiz yordamida tushuntirilishi mumkin.

F-test (ANOVA)
Ko'p chiziqli regressiyada F-testi yoki ANOVA (dispersiya tahlili) bizning murakkab modelimiz oddiyroq modeldan (masalan, faqat bitta mustaqil o'zgaruvchiga ega model) yaxshiroq ishlashini aniqlash uchun ishlatilishi mumkin. F-testi yordamida biz modelimizning ahamiyatini hech bo'lmaganda bizning modelimiz olgan qiymatdan yuqori bo'lgan F-statistikani kuzatish ehtimolini hisoblash orqali baholashimiz mumkin. R² balliga o'xshab, biz F-statistikani va ushbu F-statistikaning ehtimolini quyidagi kabi modelimizning .fvalues va .f_pvalues atributiga kirish orqali osongina olishimiz mumkin.

print('F-statistic:', olsmod.fvalue)
print("Hech bo'lmaganda F-statistika kabi yuqori qiymatni kuzatish ehtimoli:", olsmod.f_pvalue)

Natija:

F-statistic: 6.538606789020474
Hech bo'lmaganda F-statistika kabi yuqori qiymatni kuzatish ehtimoli: 0.012006372233186352

Bizning f_pvalue 0,05 dan past bo'lganligi sababli, bizning modelimiz boshqa oddiy modellarga qaraganda yaxshiroq ishlaydi degan xulosaga kelishimiz mumkin.

T-testi
T-statistik koeffitsiyent uning standart xatosiga bo'linadi. Standart xato - bu koeffitsiyentning standart og'ishini baholash, uning miqdori har bir holatda o'zgaradi. Bu regressiya koeffitsienti o'lchanadigan aniqlik o'lchovi sifatida qaralishi mumkin. F-testi bilan bir xil, p-qiymati natijani bizning modelimizdagidek ekstremal ko'rish ehtimolini ko'rsatadi. Shuningdek, modeldagi .pvalues atributini chaqirish orqali barcha o'zgaruvchilarimiz uchun p-qiymatini olishimiz mumkin.

print(olsmod.pvalues)

const 0.019932

price 0.039788
advertising 0.014494
dtype: float64

Bizning ikkala mustaqil o'zgaruvchimiz, narx va reklama, p-qiymati 0,05 dan kam bo'lib, bu narx va reklama bizning pirog savdomizga ta'sir qilishiga yetarli dalillar mavjudligini ko'rsatadi.

Download 234.19 Kb.

1 2 3 4

Download 234.19 Kb.