p6e7p7/intro_to_ml
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

interprétation des coefficients d'un modèle linéaire

Browse Source
This commit is contained in:
Pierre-Edouard Portier 2022-02-26 18:01:25 +01:00
parent 8cd166174e
commit e24c51c1ee
1 changed files with 13 additions and 1 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

14
02_a_application_abalone.Rmd
View File

@ -104,6 +104,11 @@ abalone_lm <- lm(log(rings) ~ length + height + viscera.wt + sex, data = abalone
summary(abalone_lm) summary(abalone_lm)
``` ```
Avec les intervalles de confiance.
```{r}
confint(abalone_lm)
```
```{r} ```{r}
plot(abalone_lm, which = 1, id.n = 5) plot(abalone_lm, which = 1, id.n = 5)
``` ```
@ -111,4 +116,11 @@ plot(abalone_lm, which = 1, id.n = 5)
Observons les résidus en fonction des effets levier. Observons les résidus en fonction des effets levier.
```{r} ```{r}
plot(abalone_lm, which = 5, id.n = 5) plot(abalone_lm, which = 5, id.n = 5)
``` ```
# Interprétation du modèle linéaire
Une augmentation de `length` de $1mm$ augmente la prédiction de $1.1$ anneaux avec un intervalle de confiance à $95\%$ qui vaut $[0.95,1.27]$.
De même pour les autres variables continues.
Un passage de la variable `sex` de la catégorie de référence F à la catégorie I entraîne une diminution du nombre d'anneaux prédits de $0.12$ avec un intervalle de confiance à $95\%$ qui vaut $[-0.14,-0.10]$.