Prognozowanie z użyciem glm()

Modele są często wykorzystywane przez analityków danych do przewidywania przyszłych sytuacji. GLM-y to jedno z takich narzędzi – w tym kontekście są czasem określane jako uczenie nadzorowane.

W tym ćwiczeniu przewidzisz oczekiwaną liczbę dziennych ofiar pożarów wśród cywilów w letnich miesiącach półkuli północnej: czerwcu (6), lipcu (7) i sierpniu (8). Wykorzystasz do tego dopasowaną wcześniej regresję Poissona oraz zbiór danych new_dat.

Pamiętaj, że estymaty nachylenia i wyrazu wolnego w regresji Poissona są wyrażone w skali logarytmu naturalnego i można je poddać eksponencjacji, aby łatwiej je interpretować. Możesz to zrobić, ustawiając type = "response" w funkcji predict.

To ćwiczenie jest częścią kursu

Uogólnione modele liniowe w R

Zobacz kurs

Instrukcje do ćwiczenia

Wyświetl new_dat, aby zobaczyć dane dla nowych prognoz.
Użyj dopasowanej regresji Poissona: podaj poisson_out jako obiekt, a new_dat jako nowe dane w funkcji predict(). Pamiętaj o eksponencjacji wyników – ustaw type = "response". Zapisz wyniki jako pred_out.
Wyświetl pred_out.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# print the new input months
print(___)

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

# print the predictions
print(___)

Edytuj i uruchom kod