Прогнозування за допомогою glm()

Фахівці з даних часто використовують моделі, щоб робити прогнози на майбутнє. GLM — один із таких інструментів і, коли його застосовують для подібних завдань, це інколи називають контрольованим навчанням (supervised learning).

У цій вправі ви спрогнозуєте очікувану кількість щоденних постраждалих цивільних від пожеж у північноамериканські літні місяці: червень (6), липень (7) та серпень (8), використовуючи раніше підігнану пуассонівську регресію та набір даних new_dat.

Пам'ятайте, що оцінки коефіцієнтів нахилу та вільного члена в моделі Пуассона наведені в натуральному логарифмі, і їх можна експонувати для зручнішого тлумачення. Ви можете зробити це, вказавши type = "response" у функції predict.

Ця вправа є частиною курсу

Узагальнені лінійні моделі в R

Переглянути курс

Інструкції до вправи

Виведіть new_dat, щоб побачити умови для нового прогнозу.
Використайте підігнану пуассонівську регресію: об'єкт poisson_out і нові дані new_dat у predict(). Обов'язково експонуйте вихід, встановивши type = "response". Збережіть результат у pred_out.
Виведіть pred_out.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# print the new input months
print(___)

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

# print the predictions
print(___)

Редагувати та запускати код