Prédire avec glm()

Les data scientists utilisent souvent des modèles pour prédire des situations futures. Les GLM font partie de ces outils et, lorsqu’ils sont utilisés dans ce but, on parle parfois d’apprentissage supervisé.

Dans cet exercice, vous allez prédire le nombre attendu quotidien de victimes civiles de blessures liées aux 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 précédemment et le jeu de données new_dat.

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

Cet exercice fait partie du cours

Modèles Linéaires Généralisés (GLM) en R

Afficher le cours

Instructions

Affichez new_dat pour voir votre nouveau contexte de prédiction.
Utilisez la régression de Poisson ajustée, poisson_out comme objet et new_dat comme nouvelles données dans predict(). Assurez-vous d’exponentier votre sortie en définissant type = "response". Enregistrez le résultat sous pred_out.
Affichez pred_out.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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