R中的K-NN方法的R平方答案

【问题标题】：R squared for K-NN method in RR中的K-NN方法的R平方
【发布时间】：2020-01-21 00:00:24
【问题描述】：

我们有一个通过 KNN 方法预测 Y 的数据库，我们正在寻求估计预测的误差 (Ypredict-Yobserved)，我的问题是如何计算 R 中此类模型的 R 平方？谢谢你，

【问题讨论】：

你有一些关于如何在 R 中生成模型的工作代码吗？

【解决方案1】：

您可以使用Wikipedia 中的公式计算此值

由于您没有提供任何数据，我将使用内置的mtcars数据进行说明。我会把它全部写出来，以便于映射到维基百科公式。

library(FNN)
TestSample = sample(nrow(mtcars), 5)
## predict values of mpg for the test sample
MTC_KNN = knn.reg(mtcars[-TestSample, -1], 
            mtcars[TestSample, -1], mtcars[-TestSample, 1]) 

## Now compute R-square
SSres = sum((mtcars[TestSample, 1] - MTC_KNN$pred)^2)
SStot = sum((mtcars[TestSample, 1] - mean(mtcars[-TestSample, 1]))^2)
Rsquare = 1 - SSres/SStot

【讨论】：

【解决方案2】：

由于您没有提供数据，我主要只是在这里提供了一些数据。实现类似于第一个答案，但您应该为此使用函数。

       # Y_Predict <- c(1:10)
       #Y_Observed <- c(10:19)



        rss <- function(Y_Predict,Y_Observed)
        {
          return(sum((Y_Predict - Y_Observed) ^ 2))
        }

        tss <- function(Y_Predict,Y_Observed)
        {
          return(sum((Y_Observed - mean(Y_Observed)) ^ 2))
        }


        r_square <- function(rss,tss)
        {
          return(1 - (rss(Y_Predict,Y_Observed)/ tss(Y_Predict,Y_Observed)))
        }

        #Confirming it runs
        # rss(Y_Predict,Y_Observed)
        #tss(Y_Predict,Y_Observed)
        #r_square(Y_Predict,Y_Observed)

【讨论】：

【解决方案3】：

preds <- c(1:10)
actual <- c(11:20)

# Residuals sum of squares
rss <- sum((preds - actual) ^ 2)

# Total sum of squares (proportional to the variance of the observed data)
tss <- sum((actual - mean(actual)) ^ 2)

# Coefficient of determination R2
r_square = 1 - (rss/tss)

【讨论】：