模型的好壞、會用一個稱作R Squared的方法做評估。
先求出兩個值:
R_Res(sum of squares of residuals)
算預測值跟實際值的差距，然後取平方後加總。
又稱redisual square
R_tot(total sum of squares )
先取預測Y值的平均值。接著將算出實際值跟預測值，並對此差值做平方後加總。
R2 = 1- (R_Res/R_tot)
可以看Wiki definition的介紹
https://en.wikipedia.org/wiki/Coefficient_of_determination
R2 越大表示預測的結果是越好的，不過完全等於0是非常可疑的，通常得到這樣的結果要先懷疑資料。講師是說小於0.4的時候結果就真的不是很好了，不過我持不同的看法，這輪課上完後，我覺得
用最後即使R squared很低，也不能說建立的模型是無意義的，畢竟找到特定的參數、建模、評估本身就很有參考價值，模型是可以持續改善的，不夠好的模型也可以回頭告訴我們，那些參數不適用。下一章、則是來實作R-squared!
duckravel48
iThome鐵人賽
看影片追技術