การพยากรณ์ด้วย glm()

นักวิทยาศาสตร์ข้อมูลมักใช้โมเดลเพื่อพยากรณ์สถานการณ์ในอนาคต GLM เป็นหนึ่งในเครื่องมือที่ใช้สำหรับงานนี้ และในบางครั้งเรียกว่า supervised learning

ในแบบฝึกหัดนี้ จะใช้ Poisson regression ที่ฟิตไว้ก่อนหน้า พร้อมกับชุดข้อมูล new_dat เพื่อพยากรณ์จำนวนผู้บาดเจ็บจากเหตุเพลิงไหม้ในกลุ่มพลเรือนต่อวัน ในช่วงฤดูร้อนของอเมริกาเหนือ ได้แก่ เดือนมิถุนายน (6) กรกฎาคม (7) และสิงหาคม (8)

ค่าประมาณ slope และ intercept ของ Poisson regression อยู่ในสเกล log ธรรมชาติ และสามารถแปลงกลับด้วยการยกกำลัง exponent เพื่อให้ตีความได้ง่ายขึ้น ทำได้โดยระบุ type = "response" ในฟังก์ชัน predict

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Generalized Linear Models ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

พิมพ์ new_dat เพื่อดูข้อมูลสำหรับการพยากรณ์
ใช้ Poisson regression ที่ฟิตไว้ โดยกำหนด poisson_out เป็น object และ new_dat เป็นข้อมูลใหม่ใน predict() และอย่าลืมแปลงผลลัพธ์กลับโดยตั้งค่า type = "response" แล้วบันทึกผลลัพธ์เป็น pred_out
พิมพ์ pred_out

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# print the new input months
print(___)

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

# print the predictions
print(___)

แก้ไขและรันโค้ด