使用 glm() 进行预测
数据科学家常用模型来预测未来情形。GLM 就是这样的工具之一，在用于此类任务时，有时也称为"监督学习"（supervised learning）。
在本练习中，您将使用之前拟合的 Poisson 回归和 new_dat 数据集，预测北美夏季 6 月（6）、7 月（7）和 8 月（8）每天平民火灾受伤人数的期望值。
回顾一下，Poisson 回归的斜率和截距估计是在自然对数刻度上，取指数后更便于理解。您可以在 predict 函数中指定 type = "response" 来完成这一点。
本练习是课程的一部分
R 中的广义线性模型
练习说明
- 打印
new_dat，查看新的预测情境。 - 使用已拟合的 Poisson 回归
poisson_out作为对象，并将new_dat作为predict()的新数据。务必通过设置type = "response"来对输出取指数。将结果保存为pred_out。 - 打印
pred_out。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# print the new input months
print(___)
# use the model to predict with new data
___ <- predict(object = ___, newdata = ___, type = "response")
# print the predictions
print(___)