Das Akaike-Informationskriterium (AIC) ist eine Metrik, die verwendet wird, um die Anpassung verschiedener Regressionsmodelle zu vergleichen.
Es wird berechnet als:
AIC = 2K – 2ln (L)
wo:
- K: Die Anzahl der Modellparameter …
Dieser Rechner erzeugt eine lineare Regressionsgleichung basierend auf Werten für eine Prädiktorvariable und eine Antwortvariable.
Geben Sie einfach eine Liste mit Werten für eine Prädiktorvariable und eine Antwortvariable in die folgenden Felder ein und klicken Sie auf die Schaltfläche "Berechnen":
Lineare Regressionsgleichung:
ŷ = 0.9694 + (7.7673)*x
Güte der Anpassung:
R-Quadrat: 0.8282
Interpretation:
Wenn die Prädiktorvariable gleich 0 ist, beträgt der Durchschnittswert für die Antwortvariable 0.9694.
Jede Erhöhung der Prädiktorvariablen um eine Einheit ist mit einer durchschnittlichen Änderung der Antwortvariablen um (7.7673) verbunden.
82.82% der Variation in der Antwortvariablen können durch die Prädiktorvariable erklärt werden.
Das könnte Sie auch interessieren:
So berechnen Sie AIC von Regressionsmodellen in Python
So berechnen Sie die AUC (Fläche unter der Kurve) in Python
Die logistische Regression ist eine statistische Methode, die wir verwenden, um ein Regressionsmodell anzupassen, wenn die Antwortvariable binär ist.
Um zu beurteilen, wie gut ein logistisches Regressionsmodell zu einem Datensatz …