使用 glm() 進行預測
資料科學家常用模型來預測未來情境。GLM 就是其中一種工具；用於這類情境時，有時也稱為「監督式學習」（supervised learning）。
在這個練習中，你要使用先前擬合的 Poisson 迴歸，以及 new_dat 資料集，來預測北美夏季 6 月（6）、7 月（7）、8 月（8）每日民眾火災受傷人數的期望值。
記得 Poisson 的斜率與截距估計是在自然對數刻度上；將其取指數可以更容易理解。
你可以在 predict 函式中指定 type = "response" 來做到這點。
本練習屬於課程
R 的廣義線性模型
練習說明
- 列印
new_dat，先看一下要做預測的新情境。 - 使用已擬合的 Poisson 迴歸
poisson_out作為物件，並以new_dat作為predict()的新資料。記得將輸出取指數，方法是設定type = "response"。把結果存為pred_out。 - 列印
pred_out。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# print the new input months
print(___)
# use the model to predict with new data
___ <- predict(object = ___, newdata = ___, type = "response")
# print the predictions
print(___)