[英]Generalized Linear Regression Model With Binary Exposure and Interaction Terms
[英]How to validate performance of generalized linear regression model
我正在尝试验证具有连续输出的广义线性模型的性能。 通过研究,我发现验证连续模型性能的最有效方法是使用rsquared,调整后的rsquared和RMSE方法(如果我错了,请纠正我),而不是使用混淆矩阵方法(准确性,精度,f1等)。 。)用于二项式模型。
如何基于实际值与预测值找到模型的平方值。 下面是我的glm模型的代码,数据已分为训练和测试。
对此很陌生,因此欢迎提出建议。
#GENERALISED LINEAR MODEL
LR_swim <- glm(racetime_mins ~ event_month +gender + place +
clocktime_mins +handicap_mins +
Wind_Speed_knots+
Air_Temp_Celsius +Water_Temp_Celsius +Wave_Height_m,
data = SwimmingTrain,
family=gaussian(link = "identity"))
summary(LR_swim)
#Predict Race_Time
pred_LR <- predict(LR_swim, SwimmingTest, type ="response")
pred_LR
可以用简单的R代码行来实现这样的性能指标。 因此,对于一些虚拟数据:
preds <- c(1.0, 2.0, 9.5)
actuals <- c(0.9, 2.1, 10.0)
mean((preds-actuals)^2)
# [1] 0.09
mean(abs(preds-actuals))
# [1] 0.2333333
均方根误差(RMSE)只是MSE的平方根,即:
sqrt(mean((preds-actuals)^2))
# [1] 0.3
最后两个度量的另一个优势是与原始数据的规模相同(MSE则不然)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.