Poisson- och quasipoisson-regression för att förutsäga antal

Övervakad inlärning i R: Regression

Nina Zumel and John Mount

Win-Vector, LLC

Förutsäga antal

glm(formula, data, family)

glm(formula, data, family)

family: antingen poisson eller quasipoisson
indata additivt och linjärt i log(antal)
utfall: heltal
- antal: t.ex. antal trafikböter en förare får
- frekvenser: t.ex. antal webbplatsbesök/dag
förutsägelse: förväntad frekvens eller intensitet (inte heltal)
- förväntat antal trafikböter; förväntade besök/dag

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

      mean      var
1 130.5587 14351.25

Eftersom var(cnt) >> mean(cnt) $\rightarrow$ använd 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")

Antalsmodeller kan utvärderas med RMSE

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

      rmse
1 69.32869

sd(bikesFeb$cnt)

134.2865

Övervakad inlärning i R: Regression