r平方和调整后的r平方之间的差异，有人可以帮我找到相同的好来源吗？

Question

我看了一些有关回归算法的视频，例如线性，多项式，决策树，随机森林。但是，当涉及到解释R平方和调整后的R平方时，当我解释添加更多变量如何影响我们的模型时，我不太理解这个主题。

我搜索了各种在线资源，但试图找到最简单的解释，以及这两者如何帮助我们决定使我们的模型更强大

Answer 1

这实际上不是熊猫或python问题，而是更多的统计问题。无论如何-这是一个简短的解释。

r p平方是指不考虑自变量数量而对特定模型的拟合优度。而调整后的r平方考虑了自变量的数量。

因此，如果您有回归方程，例如

y = mx + nx1 + ox2 + b

r平方将告诉您该方程式很好地描述了您的数据。如果添加更多自变量（p，q，r，s ...），则r平方值将提高，因为从本质上讲，您将更具体地定义样本数据。 （小心，这可能会导致过度拟合-也可以完美地描述训练数据，但不能正确预测新数据）。相反，使用调整后的R平方度量标准时要考虑到您添加了更多的自变量，并将针对添加的更多不适合样本数据的变量“惩罚”结果。这是一种测试变量的好方法，可以一次添加一个并检查adj-R2何时开始恶化，或者通过从所有变量开始并一次删除一个变量直到adj-R2没有改善来进行测试。

这是这两个指标的统计描述的explanation。