« Coefficient de détermination » : différence entre les versions
Apparence
Contenu supprimé Contenu ajouté
bandeau ébauche |
La première formule, que j'ai supprimée était le coefficient d'efficacité de Nash-Sutcliffe qui varie entre -infini et 1, et n'est pas le R^2 qui doit toujours être > 0 |
||
Ligne 6 : | Ligne 6 : | ||
<math> |
<math> |
||
R^{ |
R^{2} = \frac{\sum_{i=1}^{n} (\hat{y_i} - \bar{y})^2}{\sum_{i=1}^{n} (y_i - \bar{y})^2} |
||
</math> |
</math> |
||
Version du 24 juin 2016 à 16:16
En statistique, le coefficient de détermination () est une mesure de la qualité de la prédiction d'une régression linéaire.
Il est défini comme 1 moins le ratio entre l'erreur avec les valeurs prédites et la variance des données :
Avec les valeurs des mesures, les valeurs prédites et la moyenne des mesures.
Le coefficient de détermination varie entre 0 et 1. Lorsqu'il est proche de 0, le pouvoir prédictif du modèle est faible et lorsqu'il est proche de 1, le pouvoir prédictif du modèle est fort.