การถดถอย Poisson และ Quasipoisson สำหรับพยากรณ์จำนวนนับ

Supervised Learning ใน R: การถดถอย

Nina Zumel and John Mount

Win-Vector, LLC

การพยากรณ์จำนวนนับ

glm(formula, data, family)

glm(formula, data, family)

family: either poisson or quasipoisson
inputs additive and linear in log(count)
ผลลัพธ์: จำนวนเต็ม
- จำนวนนับ: เช่น จำนวนใบสั่งจราจรที่ผู้ขับขี่ได้รับ
- อัตรา: เช่น จำนวนการเข้าชมเว็บไซต์ต่อวัน
การพยากรณ์: อัตรา หรือ ความเข้ม ที่คาดหวัง (ไม่ใช่จำนวนเต็ม)
- จำนวนใบสั่งจราจรที่คาดหวัง; จำนวนการเข้าชมต่อวันที่คาดหวัง

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

      mean      var
1 130.5587 14351.25

เนื่องจาก var(cnt) >> mean(cnt) $\rightarrow$ ใช้ 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")

ประเมินโมเดลจำนวนนับได้ด้วย RMSE

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

      rmse
1 69.32869

sd(bikesFeb$cnt)

134.2865

Supervised Learning ใน R: การถดถอย