线性预测
企业对回归格外感兴趣，因为它能根据自变量的取值预测因变量的结果，可以基于特定的 A/B 组，或忽略分组来进行预测。
某公司想评估在网站上用于搜索的时间对在其网站上花费金额的影响。您已构建了一个忽略分组的线性模型 spending，并确保满足线性回归的假设。公司想了解：无论分组如何，若在网站上花费 30、32 或 40 分钟，预计会花多少钱。
SiteSales 数据集和线性回归模型 spending 已为您加载。
本练习是课程的一部分
R 中的 A/B 测试
练习说明
- 将我们需要预测的时间 30、32、40 分钟存入名为
TimeSearching的变量。 - 将该时间存入名为
timepredict的数据框。 - 使用我们关注的这些时间点和
spending模型，计算可能的花费金额。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Store the data to predict
TimeSearching <- c(___)
# Store the data in a data frame
timepredict <- data.frame(___)
# Determine the amount expected to spend
predict(___, newdata = ___)