Calculadora de R-cuadrado ajustado para modelo base de aprendizaje automático
Un conjunto de datos grande utilizado para evaluar un modelo predictivo con muchas características de entrada.
Calcula el valor de R² ajustado para un modelo de regresión utilizando R², el tamaño de la muestra y el número de predictores. Ingrese su R-cuadrado (R2), Tamaño de la muestra (n), Número de predictores (p) para obtener un r-cuadrado ajustado instantáneo. Fórmula: round(1 - ((1 - r2) * (n - 1) / (n - p - 1)), 4).
R-cuadrado Ajustado
Completa los campos y haz clic en Calcular
R-cuadrado Ajustado
¿Quieres guardar tus cálculos?
Calculando automáticamente mientras escribes
Comparación ()
| Campo | |
|---|---|
| Resultado |
Fórmula
Paso a paso
Variables
Cálculos Recientes
Cómo Funciona
Cómo funciona
Esta calculadora calcula el R-cuadrado Ajustado (R² ajustado), que mide qué tan bien un modelo de regresión explica la variación en los datos teniendo en cuenta el número de predictores utilizados. A diferencia del R² regular, se ajusta según la complejidad del modelo.
Utiliza la fórmula exacta: 1 - ((1 - R2) × (n - 1) / (n - p - 1)). Este ajuste evita que los modelos parezcan mejores simplemente porque se agregaron más variables.
- R² muestra cuánta variación explica el modelo (entre 0 y 1)
- n es el número total de observaciones en tu conjunto de datos
- p es el número de predictores (variables independientes)
- La fórmula penaliza agregar demasiados predictores
- El resultado se redondea a 4 decimales
Comprender los resultados
El valor de R² ajustado te indica qué tan bien tu modelo explica los datos después de considerar el número de predictores. Proporciona una medida más realista del rendimiento del modelo que el R² regular.
Si agregas predictores que no mejoran significativamente el modelo, el R² ajustado puede mantenerse igual o incluso disminuir.
- Los valores más cercanos a 1 indican un mejor ajuste del modelo
- Un R² ajustado más alto significa mayor poder explicativo
- Puede disminuir si se agregan predictores innecesarios
- Es útil para comparar modelos con diferentes números de predictores
Preguntas Frecuentes
¿Qué es el R-cuadrado Ajustado y en qué se diferencia del R-cuadrado regular?
El R-cuadrado Ajustado es una versión modificada de R² que tiene en cuenta el número de predictores en un modelo de regresión. Mientras que R² siempre aumenta cuando se agregan más variables, el R² ajustado solo aumenta si los nuevos predictores mejoran el modelo más allá de lo que se esperaría por azar. Esto lo hace más confiable para comparar modelos con diferentes números de predictores.
¿Cuándo debo usar la calculadora de R-cuadrado Ajustado?
Debes usar esta calculadora al evaluar el rendimiento de un modelo de regresión múltiple que incluye más de una variable independiente. Es especialmente útil al comparar modelos con diferentes números de predictores. El R² ajustado ayuda a determinar si agregar variables realmente mejora el poder explicativo del modelo.
¿Qué valores debo ingresar para R-cuadrado (R2)?
Ingresa el valor de R² como un decimal entre 0 y 1. Por ejemplo, si el resultado de tu regresión muestra un R² de 85%, debes ingresar 0.85. Asegúrate de no ingresar porcentajes ni valores fuera del rango de 0 a 1.
¿Qué incluye el número de predictores (p)?
El número de predictores (p) se refiere al total de variables independientes en tu modelo de regresión. No incluyas la intersección (término constante) en este conteo. Por ejemplo, si tu modelo tiene tres variables independientes, ingresa 3.
¿Por qué es importante el tamaño de la muestra (n) al calcular el R-cuadrado Ajustado?
El tamaño de la muestra afecta qué tan fuertemente el ajuste penaliza los predictores adicionales. Con un tamaño de muestra pequeño, agregar demasiados predictores puede reducir significativamente el R² ajustado. Los tamaños de muestra más grandes reducen esta penalización, haciendo que la métrica sea más estable y confiable.
¿Puede el R-cuadrado Ajustado ser negativo?
Sí, el R-cuadrado Ajustado puede ser negativo si el modelo se ajusta muy mal a los datos o si se incluyen demasiados predictores en relación con el tamaño de la muestra. Un valor negativo indica que el modelo funciona peor que un modelo simple basado en la media. Esto sugiere que los predictores pueden no explicar de manera significativa la variación en la variable dependiente.
Aviso Legal
Esta calculadora proporciona estimaciones solo con fines informativos. No es asesoramiento profesional. Aviso Legal.