glm() で予測する
データサイエンティストは、将来の状況を予測するためにモデルをよく使います。GLM もその1つで、こうした用途では supervised learning と呼ばれることがあります。
この演習では、これまでに当てはめたポアソン回帰と new_dat データセットを使って、北米の夏である 6 月 (6)、7 月 (7)、8 月 (8) の民間人の火災負傷者の1日あたりの期待人数を予測します。
ポアソン回帰の傾きと切片の推定値は自然対数スケールであり、理解しやすくするために指数関数で元のスケールに戻せることを思い出してください。
predict 関数で type = "response" を指定すると実行できます。
この演習はコースの一部です
R における Generalized Linear Models
演習の手順
- 新しい予測の状況を確認するために
new_datを表示します。 - 当てはめたポアソン回帰
poisson_outをオブジェクトに、new_datを新しいデータとしてpredict()に渡します。出力を指数変換するため、必ずtype = "response"を設定してください。結果をpred_outとして保存します。 pred_outを表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# print the new input months
print(___)
# use the model to predict with new data
___ <- predict(object = ___, newdata = ___, type = "response")
# print the predictions
print(___)