Coeficiente de determinação R2 (machine learning)

O que é afinal o coeficiente de determinação R2? Para que serve? Aprenda nesse vídeo os detalhes.
O coeficiente de determinação R2 é muito utilizado no mundo do machine learning, pois mostra a qualidade das previsões dos modelos.
Essa aula faz parte do curso gratuito Matemática para Machine Learning: bit.ly/matematicaML
#R2 #coeficienteR2

[@JamesBomdePapo]

Parabéns pelo lindo trabalho. Deus te abençoe ricamente. Me inscrevi no curso pago e estou gostando muito. Recomendo a todos.

[@biancasantosserafim7846]

Arrasou! Muito obrigada pela explicação!

[@user-ze6db1cs2g]

Parabéns pela exímia explicação.

[@joaopaulorangel1010]

Excelente vídeo. Único problema é dizer que você está pegado a distância. Sendo bem chato, a distância da reta ao ponto se faz pegando a projeção ortogonal. Isso que está sendo feito é apenas o ∆y , o erro, que não é distância propriamente dita.

[@Rocil100]

Aula muito simples para a compreensão do conceito, obrigado por isso!

[@fefefefezzz]

Vídeo impecável, didática incrível. Parabéns e obrigada pelo conteúdo.

[@emillyvasconcelos5024]

Muito bom!! Grata por compartilhar conosco ❤

[@PauloLeiteBR]

Muito boa explicação. Acho muito importante esse tipo de vídeo explicando o motivo de usar os conceitos.

[@renanboaventura9105]

Este canal é perfeito. Parabéns pelo seu trabalho.

[@lucasg.5004]

Cara, seu canal é sem dúvida o melhor de estatística que já encontrei. Deveria ser o primeiro! muito obrigado!!!

[@neila9416]

Meu Deus, que didático e inteligente ele é 😍

[@luiskamke]

Incrível a explicação. Parabéns"

[@renzoeliandocarmooliveira5089]

Ângelo Negão! Gostei de sua explicação, valeu. Continue postando bons vídeos.

[@pedroapj]

Parabéns pela exímia explicação. Super didático, de fácil compreensão. Precisamos de mais professores assim, na área de exatas. Minha gratidão!

[@juniorgois7551]

Rapaz seu conteúdo me ajudou demais, esse coeficiente não entrava na minha cabeça de jeito nenhum e agora tudo está mais claro, seu canal é incrível!

[@cavalhieri]

Eu estava com dúvidas sobre esse R2 e aí, no final do vídeo a explicação dele é de ouro. Top

[@aliaquibochande131]

parabens pelo lindo trabalho. eu estava com grande dificuldades em intender essa materia, mas com esse video descomplicou minha vida.

[@matheusbarros9719]

Excelente vídeo, sou da área da saúde e esse vídeo traduziu o assunto pra mim. Me ajudou bastante! Muito obrigado!

[@K4RD050]

Finalmente percebi! Muito obrigado, excelente explicação!

[@raphaelteruo1]

Parabéns pelo video, continue postando aulas assim está ajudando muito no meu MBA !!

[@cavalhieri]

Muito boa a explicação. Parabéns pelo material e didática.

[@pekenabinha]

Obrigada pela explicação. Muito didático.

[@calinemarcelinosilva263]

Muito obrigado, me ajudou muito ❤❤❤❤

[@sapiensocanaldoconheciment2536]

Parabéns pelo canal. Você explica muito bem.

[@ericandersonferreiradossan3925]

sei nem como agradecer por esse vídeo, desse pra frente eu não apanho com força em AM nunca mais kkk, valeu!

[@marcelinrf]

Parabéns pela explicação!

[@marolol]

Caaaara, excelente explicação, obrigado demais!

[@carlosramalho3]

Caraca, muito bem explicado. Valeu !!!

[@wesllerocha2563]

Agora sim..entendi. obrigado

[@alexandre_costa]

Muito bom. Parabéns!!!

[@daciobezerra369]

Muito bom! Eu so usava o R² nos modelos sem saber pra que servia basicamente... EXCELENTE VIDEO!

[@joaopedrobatista9165]

Muito bom o seu vídeo, obrigado.

[@didimarinhoo]

parabéns mano ! excelente video aula

[@squirous]

Que video foda, manoo! Didática excelente!

[@irineuvitorino]

Parabéns pelo trabalho.

[@gustavoazevedo7557]

Que didática!!!

[@browniemagico5811]

Cara, ganhou um inscrito! Muito boa explicação

[@felp6440]

Parabéns, fiquei matutando uns dias em textos e bibliografias e não entendia nada. Agora sei analisar o R² e o R² adj. Valeu!!!!

[@antoniohenrique4855]

ótima aula!

[@raymessonribeiro4758]

Parabéns, me ajudou bastante.

[@xpto3698]

Parabéns, muito bem!!! SQres pode ser observado como a variância em relação ao modelo preditivo. Ao adotarmos um modelo preditivo, modificamos a previsão que anteriormente era uma média simples. Desta forma ao dizer que o modelo explica 87% da variância, podemos entender que ele "Explica", ou "Elimina" a variância do modelo anterior (Média).

[@lizzyrodrygues6801]

Muito bom! Muito obrigada!

[@evelynsued]

Excelente vídeo!!!

[@isabelalinhares1328]

Seu canal vai crescer bem rápido

[@Anonimo090201]

Sensacional 👏👏👏

[@amosalves2364]

eu fiquei surpreso de vê o cara do descomplicando a musica aqui falando de estatistica, vc é fera demais

[@isabelalinhares1328]

Dá mais aulas de econometria por favor, principalmente envolvendo o R studio

[@michaelrussi9209]

Excelente!

[@andregomes2629]

Muito obrigado!

[@alexandre4464]

Muito show

[@alicepmon]

Salvou mtooooo

[@beatrizribeiro8556]

Muito bom!

[@isabelalinhares1328]

Muito bom gostei muito

[@andersonaraujo1992]

Impecável

[@guilhermecarvalhobastos5483]

Perfeito

[@ericksabinopatins]

Muito bom o video

[@lucasdangelo622]

Eu estava estudando campo harmonico outro dia encontrei um video seu.. agora fui procurar um video de estatistica e encontrei um videu seu.. haha apesar de assuntos sem nenhuma relacao aparente o mais legal eh que vc eh um cara bem didatico, ambos videos me ajudaram. abs

[@GustavoRocha139]

Eu tambem! Concordo plenamente! Para mim, descomplicou muito os dois assuntos distintos de forma espetacular. Parabens!

[@filipovickuabinho8715]

Muito bom.

[@RP-fi6nd]

caraio professor, tava dificil achar um conteudo explicando assim, desta forma ficou bom entender, obrigado

[@mercurbwana]

Muito obrigado pela ótima explicação. Pode-se gerar o coeficiente de determinação para a correlação de Spearman?

[@Gabriel-dz9lh]

muito bom

[@nicolasfranco6343]

Dai tu vai assistir uma aula, aprende pra caralho e ainda se apaixona pelo prof kkk parabéns além de lindo ensina muito

[@ACDC95]

Estou utilizando random forest, arvore de decisão e support vector machine, um professor me perguntou porque usar coeficiente R² se as técnicas de marchine learning não são lineares. Disse q não faz sentindo usar R².

[@dwqiu15]

Professor, excelente video. So para confirmar, pode-se dizer que a soma dos quadrados dos residuos nada mais é do que a variancia dos residuos? Obrigado!

[@kayroschembek4484]

Muito bom, muito claro e explicativo. Tenho uma dúvida professor, quero fazer um estudo para avaliação da variação de uma curva. Tenho 'n' amostras desta curva, onde x é uma contagem incremental e y o valor lido/obtido em campo. Posso aplicar o R² para determinar/medir o quão estável ou nível de variação de desta curva? Pq o meu x é apenas o numero de amostras e y é a variável que estou analisando.

[@sostrabalhosdematematica3894]

Bom usar também com dados

[@GabrielGomes-rx1mn]

Bem didático !! porém uma dúvida, qual a diferença do R de pearson para o R2? Obrigado!

[@infrasoloengenharialtda5403]

A ret Azul OK. Como encontro a reta verde. As Distancias são tomadas sempre paralelas ao eixo Y , parabéns

[@paulomelo2095]

deve ser mas simples e objetivo ..

[@Tatiana-lp8zz]

Qual o nome você daria pra SQ resíduo?

[@guycostad]

Ola. E o que seria ir²?

[@stux-]

Então se meu R2 der negativo, significa que meu modelo é pior que simplesmente usar a média dos valores

[@TheReynaldo26]

como assim o SQT é a "var"? Variância seria SQT/(n-1)

[@gugademorais]

Aí já te vi em um canal de música

[@jimmyjimmy7133]

Parabéns pelo vídeo e pela excelente didática. Tenho uma dúvida: supondo que eu tenha calculado uma função interpoladora horrível, e que tenha gerado um SQRes maior do que o SQTot. Teríamos como resultado um R² negativo, porém eu tenho visto afirmações que definem o R² entre zero e 1. Como interpretar esse resultado negativo?

Sim, pode ficar negativo se for muito ruim. Na prática, modelos quase sempre superam uma estimativa que considerou somente a média, por isso valores negativos nem fazem muito sentido

[@caionmarquezini7095]

calma!!! vai devagar rsrs parabens

[@lucianoval903]

Saca prá car... esse cara! kkk

[@carolinacastilhodiasmaruci6292]

Muito didático mesmo! Obrigada

[@marcojuarezreichert]

Excelente!