Prédire avec glm()

Les scientifiques des données utilisent souvent des modèles pour prédire des situations futures. Les GLM font partie de ces outils et, dans ces contextes, on parle parfois d'« apprentissage supervisé ».

Dans cet exercice, vous allez prédire le nombre prévu quotidien de victimes civiles de blessures causées par des incendies pour les mois d'été nord-américains de juin (6), juillet (7) et août (8), en utilisant la régression de Poisson que vous avez ajustée plus tôt et l'ensemble de données new_dat.

Rappelez-vous que la pente et l'ordonnée à l'origine estimées pour le modèle de Poisson sont sur l'échelle du logarithme naturel et peuvent être exponentiées pour être plus faciles à interpréter. Vous pouvez le faire en précisant type = "response" avec la fonction predict.

Cette activité fait partie du cours

Modèles linéaires généralisés (GLM) en R

Voir le cours

Instructions de l’exercice

Affichez new_dat pour voir la nouvelle situation de prédiction.
Utilisez la régression de Poisson ajustée, poisson_out comme objet et new_dat comme nouvelles données dans predict(). Assurez-vous d'exponentier la sortie en fixant type = "response". Enregistrez les résultats dans pred_out.
Affichez pred_out.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# print the new input months
print(___)

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

# print the predictions
print(___)

Modifier et exécuter le code