glm()으로 예측하기
데이터 과학자는 종종 모델을 사용해 앞으로의 상황을 예측합니다. GLM도 그런 도구 중 하나이며, 이런 예측 상황에서 사용할 때는 supervised learning이라고 부르기도 해요.
이번 연습에서는 앞에서 적합한 Poisson 회귀와 new_dat 데이터셋을 사용해 북미의 여름철인 6월(6), 7월(7), 8월(8)의 하루 평균 민간인 화재 부상자 수를 예측해 보겠습니다.
Poisson의 기울기와 절편 추정치는 자연로그 스케일이라는 점을 기억하세요. 이해를 쉽게 하려면 지수 변환을 해 주면 됩니다.
이를 위해 predict 함수에서 type = "response"를 지정하세요.
이 연습은 강의의 일부입니다
R에서 Generalized Linear Models
연습 안내
- 새로운 예측 상황을 확인하기 위해
new_dat를 출력하세요. - 적합된 Poisson 회귀
poisson_out을 객체로, 새 데이터는new_dat로 하여predict()를 사용하세요. 출력값을 지수 변환하려면type = "response"를 설정하세요. 결과는pred_out에 저장합니다. pred_out을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# print the new input months
print(___)
# use the model to predict with new data
___ <- predict(object = ___, newdata = ___, type = "response")
# print the predictions
print(___)