Predikce pomocí glm()

Datoví vědci modely často využívají k předpovídání budoucích situací. GLM jsou jedním z takových nástrojů a v tomto kontextu se jim někdy říká supervised learning.

V tomto cvičení předpovíš očekávaný počet denních civilních obětí požárů (se zraněním) pro letní měsíce severní Ameriky – červen (6), červenec (7) a srpen (8) – pomocí Poissonovy regrese, kterou jsi již dříve natrénoval/a, a datasetu new_dat.

Měj na paměti, že odhady sklonu a interceptu u Poissonovy regrese jsou na škále přirozeného logaritmu a lze je exponenciovat pro snazší interpretaci. Stačí nastavit type = "response" ve funkci predict.

Toto cvičení je součástí kurzu

Zobecněné lineární modely v R

Zobrazit kurz

Pokyny k cvičení

Vypiš new_dat, abys viděl/a nová predikční data.
Použij natrénovanou Poissonovu regresi poisson_out jako objekt a new_dat jako nová data ve funkci predict(). Nezapomeň exponenciovat výstup nastavením type = "response". Výsledek ulož jako pred_out.
Vypiš pred_out.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# print the new input months
print(___)

# use the model to predict with new data 
___ <- predict(object = ___, newdata = ___, type = "response")

# print the predictions
print(___)

Upravit a spustit kód