Memprediksi dengan glm()

Data scientist sering menggunakan model untuk memprediksi kondisi di masa depan. GLM adalah salah satu alat tersebut dan, ketika digunakan untuk tujuan ini, terkadang disebut sebagai supervised learning.

Pada latihan ini, Anda akan memprediksi jumlah harian korban luka kebakaran sipil yang diharapkan untuk bulan-bulan musim panas Amerika Utara: Juni (6), Juli (7), dan Agustus (8) menggunakan regresi Poisson yang sebelumnya Anda fit dan himpunan data new_dat.

Ingat bahwa estimasi kemiringan dan intersep Poisson berada pada skala log natural dan dapat dieksponensialkan agar lebih mudah dipahami. Anda dapat melakukannya dengan menentukan type = "response" pada fungsi predict.

Latihan ini adalah bagian dari kursus

Model Linear Tergeneralisasi di R

Lihat Kursus

Petunjuk latihan

Cetak new_dat untuk melihat skenario prediksi baru Anda.
Gunakan hasil regresi Poisson yang telah di-fit, poisson_out sebagai objek dan new_dat sebagai data baru dalam predict(). Pastikan mengeksponeksialkan keluaran Anda dengan mengatur type = "response". Simpan hasilnya sebagai pred_out.
Cetak pred_out.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# print the new input months
print(___)

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

# print the predictions
print(___)

Edit dan Jalankan Kode