如何从 lm 结果中获得 RMSE？

Question

我知道 $sigma 和 均方根误差 的概念之间存在细微差别。所以，我想知道从 R 中的 lm 函数获取 RMSE 的最简单方法是什么？

res<-lm(randomData$price ~randomData$carat+
                     randomData$cut+randomData$color+
                     randomData$clarity+randomData$depth+
                     randomData$table+randomData$x+
                     randomData$y+randomData$z)

length(coefficients(res))

包含24个系数，我不能再手动制作模型了。那么，我如何根据 lm 得出的系数来评估 RMSE？

Answer 1

残差平方和：

RSS <- c(crossprod(res$residuals))

均方误差：

MSE <- RSS / length(res$residuals)

根 MSE：

RMSE <- sqrt(MSE)

Pearson 估计残差（由 summary.lm 返回）：

sig2 <- RSS / res$df.residual

在统计上，MSE 是残差方差的最大似然估计量，但有偏差（向下）。 Pearson 是残差方差的受限最大似然估计量，它是无偏的。

备注

给定两个向量 x 和 y，c(crossprod(x, y)) 等价于 sum(x * y) 但。 c(crossprod(x)) 同样比 sum(x ^ 2) 快。
sum(x) / length(x) 也比 mean(x).

faster

Answer 2

要仅使用 base 中的函数在一行中获得 RMSE，我将使用：

sqrt(mean(res$residuals^2))

Answer 3

我认为其他答案可能不正确。回归的 MSE 是 SSE 除以 (n - k - 1)，其中 n 是数据点数，k是模型参数个数。

简单地取残差平方的平均值（正如其他答案所建议的那样）相当于除以 n 而不是 (n - k - 1 )。

我会用 sqrt(sum(res$residuals^2) / res$df) 来计算 RMSE。

分母中的数量 res$df 给出了自由度，这与 (n - k - 1) 相同。看看这个以供参考：https://www3.nd.edu/~rwilliam/stats2/l02.pdf

Answer 4

就这样

sigma(res)

你明白了

Answer 5

检查 Metrics 包

中的 rmse() 函数

如何从 lm 结果中获得 RMSE？

How to obtain RMSE out of lm result?

r

regression

linear-regression

lm