Prevendo com glm()

Cientistas de dados costumam usar modelos para prever situações futuras. GLMs são uma dessas ferramentas e, quando usados para esses casos, às vezes são chamados de aprendizado supervisionado.

Neste exercício, você vai prever o número esperado de vítimas civis feridas por incêndio por dia nos meses de verão da América do Norte: junho (6), julho (7) e agosto (8), usando a regressão de Poisson que você ajustou anteriormente e o conjunto de dados new_dat.

Lembre-se de que os coeficientes (inclinação e intercepto) do modelo de Poisson estão na escala de log natural e podem ser exponenciados para facilitar a interpretação. Você pode fazer isso definindo type = "response" na função predict.

Este exercício faz parte do curso

Modelos Lineares Generalizados em R

Ver curso

Instruções do exercício

Imprima new_dat para ver o novo cenário de previsão.
Use a regressão de Poisson ajustada, poisson_out como objeto e new_dat como os novos dados em predict(). Não se esqueça de exponenciar a saída definindo type = "response". Salve os resultados em pred_out.
Imprima pred_out.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# print the new input months
print(___)

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

# print the predictions
print(___)

Editar e executar o código