Predecir con glm()

En ciencia de datos, a menudo usamos modelos para predecir situaciones futuras. Los GLM son una de esas herramientas y, cuando se usan para este fin, a veces se denominan aprendizaje supervisado.

En este ejercicio, vas a predecir el número esperado de víctimas civiles con lesiones por incendios al día durante los meses de verano de Norteamérica: junio (6), julio (7) y agosto (8), usando la regresión de Poisson que ajustaste antes y el conjunto de datos new_dat.

Recuerda que las estimaciones de la pendiente y la intersección en el modelo de Poisson están en escala de logaritmo natural y puedes exponentiarlas para que sean más fáciles de interpretar. Puedes hacerlo especificando type = "response" en la función predict.

Este ejercicio forma parte del curso

Modelos Lineales Generalizados en R

Ver curso

Instrucciones del ejercicio

Imprime new_dat para ver la nueva situación de predicción.
Usa la regresión de Poisson ajustada, poisson_out como objeto y new_dat como los datos nuevos en predict(). Asegúrate de exponentiar la salida estableciendo type = "response". Guarda los resultados en pred_out.
Imprime pred_out.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# print the new input months
print(___)

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

# print the predictions
print(___)

Editar y ejecutar código