Update README.md
Browse files
README.md
CHANGED
@@ -34,10 +34,29 @@ Coeficiente de Determinação (R^2): 0.575787706032451
|
|
34 |
Erro Quadrático Médio Médio da Validação Cruzada: 0.5582901717686553
|
35 |
|
36 |
MedInc 0.852382
|
|
|
37 |
HouseAge 0.122382
|
|
|
38 |
AveRooms -0.305116
|
|
|
39 |
AveBedrms 0.371132
|
|
|
40 |
Population -0.002298
|
|
|
41 |
AveOccup -0.036624
|
|
|
42 |
Latitude -0.896635
|
|
|
43 |
Longitude -0.868927
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
34 |
Erro Quadrático Médio Médio da Validação Cruzada: 0.5582901717686553
|
35 |
|
36 |
MedInc 0.852382
|
37 |
+
|
38 |
HouseAge 0.122382
|
39 |
+
|
40 |
AveRooms -0.305116
|
41 |
+
|
42 |
AveBedrms 0.371132
|
43 |
+
|
44 |
Population -0.002298
|
45 |
+
|
46 |
AveOccup -0.036624
|
47 |
+
|
48 |
Latitude -0.896635
|
49 |
+
|
50 |
Longitude -0.868927
|
51 |
+
|
52 |
+
# Análise dos resultados:
|
53 |
+
|
54 |
+
Erro Quadrático Médio (MSE): O MSE é uma medida comum de erro de previsão que penaliza grandes erros mais do que pequenos erros. Seu valor é 0.5558915986952441, o que significa que, em média, as previsões do seu modelo estão cerca de 0.56 unidades distantes do valor real.
|
55 |
+
|
56 |
+
Erro Absoluto Médio (MAE): O MAE é outra medida de erro de previsão que é menos sensível a grandes erros do que o MSE. Seu valor é 0.5332001304956565, o que significa que, em média, as previsões do seu modelo estão cerca de 0.53 unidades distantes do valor real.
|
57 |
+
|
58 |
+
Coeficiente de Determinação (R^2): O R^2 é uma medida de quão bem as previsões do seu modelo se ajustam aos dados reais. Seu valor é 0.575787706032451, o que significa que seu modelo explica cerca de 57.6% da variância na variável alvo.
|
59 |
+
|
60 |
+
Erro Quadrático Médio Médio da Validação Cruzada: Este é o MSE médio calculado através da validação cruzada. Seu valor é 0.5582901717686553, o que é ligeiramente maior do que o MSE calculado no conjunto de teste. Isso sugere que seu modelo pode estar um pouco sobreajustado aos dados de treinamento.
|
61 |
+
|
62 |
+
Coeficientes do Modelo: Os coeficientes do modelo de regressão linear representam a relação entre as características (ou variáveis independentes) e a variável alvo. Por exemplo, um coeficiente de 0.852382 para ‘MedInc’ sugere que um aumento de uma unidade em ‘MedInc’ está associado a um aumento de 0.852382 na variável alvo. Isso sugere que a renda média é um forte preditor positivo da variável alvo. Da mesma forma, um coeficiente de -0.305116 para ‘AveRooms’ sugere que um aumento de uma unidade em ‘AveRooms’ está associado a uma diminuição de 0.305116 na variável alvo, indicando uma relação negativa.
|