R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量

我根据泊松Poisson回归、GAM样条曲线模型对一个十字路口的骑自行车者的数量进行预测

 

由Kaizong Ye,Sherry Deng撰写

使用Poisson回归预测周日、周一有多少骑自行车的人,天气情况是温度85F-70F没有下雨。我们创建一个预测数据框。

让我们创建一个包含所有解释变量的模型。

我们还添加一个虚拟变量来指示不下雨的日子,


热门课程

R语言数据分析挖掘必知必会

面对扑面而来的数据浪潮,包含Google、Facebook等国际企业,都已采用R语言进行数据分析

探索课程

所以变量似乎都显著。如果我们要检查非线性效应,可以将样条曲线放在所有连续变量上


最高温度或最低温度

以及下面的降雨量曲线,最大观测值(3)与之前观测值(1.8)之间的线性平滑

我们还可以回归最小温度,以及最大和最小温度之间的温差(在线性模型中,模型是等效的,但是通过非线性变换,可以更简单地给出差异)

现在,我们可以比较这四个模型及其预测。例如,对于线性模型(虚拟变量表示没有下雨),

对于星期一,我们获得λ的95%置信区间


R语言泊松Poisson回归模型分析案例

阅读文章


对于星期日,95%置信区间为

我们可以可视化四个模型的置信区间

而周日,我们有

换句话说,通过更改模型,我们对预测的置信区间进行了更改(有时区间完全不相交)。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498