Question

是否有任何实用程序/软件包用于显示某些标记测试数据的回归模型的各种性能指标？基本的东西，我可以像RMSE，R平方等一样轻松编写，但可能有一些额外的可视化实用程序，或报告预测置信度/方差的分布，或其他我没有想到的事情。这通常在大多数培训实用程序（如插入符号列车）中报告，但仅在培训数据（AFAICT）上报告。提前谢谢。

Answer 1

这个问题确实非常广泛，应该重点关注一下，但这里有一个用于线性模型的小函数子集：

x <- rnorm(seq(1,100,1))
y <- rnorm(seq(1,100,1))
model <- lm(x~y)

#general summary
summary(model)
#Visualize some diagnostics
plot(model)
#Coefficient values
coef(model)
#Confidence intervals
confint(model)
#predict values
predict(model)
#predict new values
predict(model, newdata = data.frame(y = 1:10))
#Residuals
resid(model)
#Standardized residuals
rstandard(model)
#Studentized residuals
rstudent(model)
#AIC
AIC(model)
#BIC
BIC(model)
#Cook's distance
cooks.distance(model)
#DFFITS
dffits(model)
#lots of measures related to model fit
influence.measures(model)

Answer 2

可以使用推荐的软件包 boot 计算模型参数的Bootstrap置信区间。这是一个非常通用的包，要求你编写一个简单的包装函数来返回感兴趣的参数，比如用一些提供的数据拟合模型并返回一个模型系数，同时它负责其余的，进行采样和计算间隔等。

还要考虑插入符号包，它是大量建模函数的包装器，但也提供了使用独立测试集或重新采样的一系列指标来比较模型性能的工具。训练数据（ k -fold，bootstrap）。插入有详细记录并且非常易于使用，但为了充分利用它，您需要熟悉您想要使用的建模功能。

R中的回归评估

2 个答案: