R 中泊松回归的预测不准确
Inaccurate predictions with Poisson Regression in R
我正在尝试根据收集的历史数据预测网站的访问者数量。我认为这是我可以使用泊松回归的场景。
输入包含 6 列：
id(网站id)、日、月、年、星期、访问量。
所以基本上作为输入，我们有一个 CSV 格式的列：“2”，“22”，“7”，“2015”，“6”，“751”。
我正在尝试根据之前的访问次数来预测访问次数。网站的大小可能会有所不同，所以我最终将它们分为 5 个类别
- 几乎为零（平均 < 1）
- 非常小（平均 < 100）
- 小（平均 < 1000）
- 中等（平均 < 50.000）
- 大（平均 < 500.000）
所以我创建了一个名为 type 的第 7 列，它是一个 int，范围从 1 到 5。
我的代码如下：
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
预测值甚至不接近，我教过我最终可以得到实际值的 10-20%，但没有这样做，大部分预测值比实际值大 200-300%实际值。而且这是在train数据集上，应该能提供乐观的看法。
我是 R 的新手，在解释 summary 命令返回的数据时遇到了一些问题。就是这样 returns:
Call: glm(formula = visits ~ type + day + month + year + dayofweek,
family = poisson, data = train)
Deviance Residuals:
Min 1Q Median 3Q Max
-571.05 -44.04 -11.33 -5.14 734.43
Coefficients:
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. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 1239161821 on 12370 degrees of freedom Residual
deviance: 157095033 on 12365 degrees of freedom AIC: 157176273
Number of Fisher Scoring iterations: 5
任何人都可以更详细地描述 summary 命令返回的值，以及它们在泊松回归中应该是什么样子以输出更好的预测？在 R 中是否有更好的方法来处理基于待估计值随时间演变的数据？
您的问题出在 predict 命令上。 predict.glm 中的默认设置是在 link 尺度上进行预测。如果您想要可以直接与原始数据进行比较的预测，则需要使用参数 type = "response"
P <- predict(model, newdata = train, type = "response")
模型设置不理想。也许月份应该作为分类变量包含在内 (as.factor)，并且您需要更多地考虑日期（下个月的第 31 天之后是第 1 天）。预测变量 "type" 也是可疑的，因为类型直接来自响应。
您的模型也高度过度分散。这可能表示缺少预测变量或其他问题。
您还应该考虑使用混合效应模型。
我正在尝试根据收集的历史数据预测网站的访问者数量。我认为这是我可以使用泊松回归的场景。
输入包含 6 列：
id(网站id)、日、月、年、星期、访问量。
所以基本上作为输入，我们有一个 CSV 格式的列：“2”，“22”，“7”，“2015”，“6”，“751”。
我正在尝试根据之前的访问次数来预测访问次数。网站的大小可能会有所不同，所以我最终将它们分为 5 个类别
- 几乎为零（平均 < 1）
- 非常小（平均 < 100）
- 小（平均 < 1000）
- 中等（平均 < 50.000）
- 大（平均 < 500.000）
所以我创建了一个名为 type 的第 7 列，它是一个 int，范围从 1 到 5。
我的代码如下：
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
预测值甚至不接近，我教过我最终可以得到实际值的 10-20%，但没有这样做，大部分预测值比实际值大 200-300%实际值。而且这是在train数据集上，应该能提供乐观的看法。
我是 R 的新手，在解释 summary 命令返回的数据时遇到了一些问题。就是这样 returns:
Call: glm(formula = visits ~ type + day + month + year + dayofweek, family = poisson, data = train)
Deviance Residuals: Min 1Q Median 3Q Max
-571.05 -44.04 -11.33 -5.14 734.43Coefficients:
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. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 1239161821 on 12370 degrees of freedom Residual deviance: 157095033 on 12365 degrees of freedom AIC: 157176273
Number of Fisher Scoring iterations: 5
任何人都可以更详细地描述 summary 命令返回的值，以及它们在泊松回归中应该是什么样子以输出更好的预测？在 R 中是否有更好的方法来处理基于待估计值随时间演变的数据？
您的问题出在 predict 命令上。 predict.glm 中的默认设置是在 link 尺度上进行预测。如果您想要可以直接与原始数据进行比较的预测，则需要使用参数 type = "response"
P <- predict(model, newdata = train, type = "response")
模型设置不理想。也许月份应该作为分类变量包含在内 (as.factor)，并且您需要更多地考虑日期（下个月的第 31 天之后是第 1 天）。预测变量 "type" 也是可疑的，因为类型直接来自响应。
您的模型也高度过度分散。这可能表示缺少预测变量或其他问题。
您还应该考虑使用混合效应模型。