วิธีรับ R-squared เพื่อความพอดี?

จะคำนวณสถิติR-squared ( $r^2$ ) ใน R for loessและ / หรือpredictฟังก์ชั่นเอาต์พุตได้อย่างไร? ตัวอย่างเช่นสำหรับข้อมูลนี้:

cars.lo <- loess(dist ~ speed, cars)
cars.lp <- predict(cars.lo, data.frame(speed = seq(5, 30, 1)), se = TRUE)

cars.lpมีสองอาร์เรย์fitสำหรับรุ่นและse.fitข้อผิดพลาดมาตรฐาน

r r-squared loess

— Yuriy Petrovskiy
แหล่งที่มา

ในการถดถอยเชิงเส้น

เท่ากับความสัมพันธ์กำลังสองระหว่างค่าที่สังเกตและค่าที่ติดตั้ง - แล้วมันเกี่ยวกับอะไร?

R^{2}

$R^2$

— มาโคร

ความคิดแรกของฉันคือการคำนวณหลอก $R^2$ วัดดังนี้

ss.dist <- sum(scale(cars$dist, scale=FALSE)^2)
ss.resid <- sum(resid(cars.lo)^2)
1-ss.resid/ss.dist

ที่นี่เราได้รับค่า 0.6814984 ( ) ใกล้กับสิ่งที่จะได้รับจากGAM : $\approx$ cor(cars$dist, predict(cars.lo))^2

library(mgcv)
summary(gam(dist ~ speed, data=cars))

loessMultiple R-squaredairqualityairloess $R^2$

ป้อนคำอธิบายรูปภาพที่นี่

$R^2$

span $R^2$

— CHL
แหล่งที่มา

R^{2}

$R^2$

R^{2}

$R^2$

r^{2}

$r^2$

ไม่จำเป็นว่า "แม่นยำยิ่งขึ้น" อันที่จริงการใช้ Loess เพื่อให้ได้ความแม่นยำในแบบจำลองการทำนายจะเป็นบ้า ฉันคิดว่าการใช้ Loess เป็น "รุ่น" บ่งบอกถึงความเข้าใจผิดที่เป็นไปได้เกี่ยวกับวิธีการทำงานและวิธีการใช้งาน: มันเป็นเครื่องมือกราฟิกและการสำรวจเพื่อช่วยดูรูปแบบและแนวโน้ม เนื่องจากมันเป็นเพียงหน้าต่างเคลื่อนไหวที่นุ่มนวลมันจึงทำหน้าที่เป็นแบบจำลองพื้นที่เชิงพื้นที่ที่ค่อนข้างซับซ้อนซึ่งค่าติดตั้ง ณ จุดหนึ่งขึ้นอยู่กับจุดที่อยู่ใกล้เคียงที่มีอยู่ในชุดข้อมูลและค่าที่มี

— whuber

r^{2}

$r^2$