काउंट्स की भविष्यवाणी के लिए Poisson और quasipoisson रिग्रेशन

R में Supervised Learning: Regression

Nina Zumel and John Mount

Win-Vector, LLC

काउंट्स की भविष्यवाणी

glm(formula, data, family)

glm(formula, data, family)

family: poisson या quasipoisson
इनपुट log(count) में additive और linear
outcome: integer
- counts: जैसे ड्राइवर को मिले traffic tickets की संख्या
- rates: जैसे प्रति दिन website hits
prediction: expected rate या intensity (इंटीगरल नहीं)
- expected # traffic tickets; expected hits/दिन

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

      mean      var
1 130.5587 14351.25

क्योंकि var(cnt) >> mean(cnt) $\rightarrow$ quasipoisson उपयोग करें

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")

आप count मॉडल्स को RMSE से इवैल्यूएट कर सकते हैं

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

      rmse
1 69.32869

sd(bikesFeb$cnt)

134.2865

R में Supervised Learning: Regression