Regresia Poisson și quasipoisson pentru predicția numărătorilor

Învățare supervizată în R: Regresia

Nina Zumel and John Mount

Win-Vector, LLC

Predicția numărătorilor

glm(formula, data, family)

glm(formula, data, family)

family: poisson sau quasipoisson
intrările sunt aditive și liniare în log(numărătoare)
variabila răspuns: număr întreg
- numărători: ex. numărul de amenzi primite de un șofer
- rate: ex. numărul de accesări ale unui site/zi
predicție: rata sau intensitatea așteptată (nu valoare întreagă)
- numărul așteptat de amenzi; accesări așteptate/zi

bikesJan %>% 
  summarize(mean = mean(cnt), var = var(cnt))

      mean      var
1 130.5587 14351.25

Deoarece var(cnt) >> mean(cnt) $\rightarrow$ se folosește quasipoisson

fmla <- cnt ~ hr + holiday + workingday + 
  weathersit + temp + atemp + hum + windspeed

model <- glm(fmla, data = bikesJan, family = quasipoisson)

$$ pseudo R^2 = 1 - \frac{deviance}{null.deviance} $$

glance(model) %>%
  summarize(pseudoR2 = 1 - deviance/null.deviance)

   pseudoR2
1 0.7654358

predict(model, newdata = bikesFeb, type = "response")

Modelele de numărare pot fi evaluate prin RMSE

bikesFeb %>%
  mutate(residual = cnt - pred) %>%
  summarize(rmse = sqrt(mean(residual^2)))

      rmse
1 69.32869

sd(bikesFeb$cnt)

134.2865

Învățare supervizată în R: Regresia