R中泊松回歸的不正確預測

Question

我試圖根據收集到的歷史數據來預測網站的訪問者數量。 我認為這是可以使用泊松回歸的方案。

輸入包括6列：

id（網站的id），日，月，年，星期幾，訪問次數。

因此，基本上作為輸入，我們有一個CSV格式的列，其格式為：“ 2”，“ 22”，“ 7”，“ 2015”，“ 6”，“ 751”。

我正在嘗試根據之前的訪問次數來預測訪問次數。 網站的大小可能會有所不同，因此我最終將它們分為5類

• 幾乎為零（平均<1）
• 非常小（平均<100）
• 小（平均<1000）
• 中（平均<50.000）
• 大（平均<500.000）

因此，我做了第7列，名為type，它的整數范圍是1到5。

我的代碼如下：

train = read.csv("train.csv", header = TRUE)
model<-glm(visits ~ type + day + month + year + dayofweek, train, family=poisson)
summary(model)
P = predict(model, newdata = train)
imp = round(P)
imp

預測的值甚至不接近，我告訴我最終可以得到實際值的10-20％的值，但是沒有這樣做，大多數預測值都比實際值大200-300％。 這是在火車數據集上的，應該提供一個樂觀的觀點。

我是R的新手，在解釋summary命令返回的數據時遇到一些問題。 這是返回的內容：

致電：glm（公式=訪問次數〜類型+日期+月+年份+星期幾，家庭=泊松，數據=火車）

殘差：最小值1Q中位數3Q最大值
-571.05 -44.04 -11.33 -5.14 734.43

系數：

  Estimate Std. Error z value Pr(>|z|) (Intercept) -9.998e+02 6.810e-01 -1468.19 <2e-16 *** type 2.368e+00 1.280e-04 18498.53 <2e-16 *** day -2.473e-04 6.273e-06 -39.42 <2e-16 *** month 1.658e-02 3.474e-05 477.31 <2e-16 *** year 4.963e-01 3.378e-04 1469.31 <2e-16 *** dayofweek -3.783e-02 2.621e-05 -1443.46 <2e-16 *** 

--- Signif。 代碼：0 '' 0.001 '' 0.01 '' 0.05 ''。 0.1''1

（泊松族的色散參數取為1）

空偏差：12370自由度為1239161821殘余偏差：12365自由度為157095033 AIC：157176273

Fisher計分迭代次數：5

誰能更詳細地描述summary命令返回的值，以及在輸出更好的預測的泊松回歸中應該是什么樣子？ R中是否有更好的方法來處理基於估計值隨時間的演變的數據？

LE。 鏈接到train.csv文件 。

Answer 1

您的問題出在predict命令上。 predict.glm的默認設置是根據鏈接規模進行預測。 如果您希望可以直接與原始數據進行比較的預測，則需要使用參數type = "response"

P <- predict(model, newdata = train, type = "response")

模型設置不理想。 也許應該將month作為類別變量（ as.factor ）包括在內，並且您需要更多地考慮一天（每月的第31天，然后是下個月的第1天）。 預測變量“類型”也是可疑的，因為類型是直接從響應中得出的。

您的模型也高度分散。 這可能表明缺少預測變量或其他問題。

您還應該考慮使用混合效果模型。