Question

我正在制作一个代码，根据历史数据预测每小时的自行车租赁率。数据具有许多属性（如下所示），为了适应模型，我使用了线性回归模型，然后我预测了结果，它向我显示了一些意想不到的结果，如负值和十进制数。

这是我的火车对象的负责人：

> head(train)
             datetime season holiday workingday weather temp  atemp humidity windspeed casual registered count hour weekday month year
1 2011-01-01 00:00:00      1       0          0       1 9.84 14.395       81    0.0000      3         13    16    0       6     0 2011
2 2011-01-01 01:00:00      1       0          0       1 9.02 13.635       80    0.0000      8         32    40    1       6     0 2011
3 2011-01-01 02:00:00      1       0          0       1 9.02 13.635       80    0.0000      5         27    32    2       6     0 2011
4 2011-01-01 03:00:00      1       0          0       1 9.84 14.395       75    0.0000      3         10    13    3       6     0 2011
5 2011-01-01 04:00:00      1       0          0       1 9.84 14.395       75    0.0000      0          1     1    4       6     0 2011
6 2011-01-01 05:00:00      1       0          0       2 9.84 12.880       75    6.0032      0          1     1    5       6     0 2011
    4    3       6     0 2011
    5    4       6     0 2011
    6    5       6     0 2011

请注意列'count'，我们的响应变量。

这里我创建了一个不包含某些变量的模型。

> fit = glm(count ~ season + holiday + workingday + weather + temp + humidity + hour+ weekday+ month +year , data = train)

现在我创建了一个新对象，用于预测，将上述模型中的所有变量放在上面：

> newdata = train[,c(2,3,4,5,6,8,13,14,15,16)]

最后，我运行predict（）并将结果存储在newdata

中的新列中

newdata$count <- predict(fit, newdata)

并猜猜是什么？

> head(newdata)
      season holiday workingday weather  temp humidity hour weekday month year       count
10887      1       0          1       1 10.66       56    0       4     0 2011 -30.0948283
10888      1       0          1       1 10.66       56    1       4     0 2011 -22.6578089
10889      1       0          1       1 10.66       56    2       4     0 2011 -15.2207896
10890      1       0          1       1 10.66       56    3       4     0 2011  -7.7837702
10891      1       0          1       1 10.66       56    4       4     0 2011  -0.3467508
10892      1       0          1       1  9.84       60    5       4     0 2011  -8.7999703
> tail(newdata)
      season holiday workingday weather  temp humidity hour weekday month year     count
11138      1       0          1       2  6.56       55   18       1     0 2011  69.14183
11139      1       0          1       1 12.30       61   19       1     0 2011 113.75079
11140      1       0          1       3  6.56       59   20       1     0 2011  40.03549
11141      1       0          1       3  6.56       59   21       1     0 2011  47.47251
11142      1       0          1       2  6.56       59   22       1     0 2011  90.75131
11143      1       0          1       2  6.56       64   23       1     0 2011  88.01509

有一件事我忘了提及。培训集包括给定月份前19天的每小时租金，我们想要预测的测试数据是剩余天数。我尝试仅在第一个月创建一个模型（因为它应该是，但在上面的代码中没有说明），但结果仍然有奇怪的负数和小数。

我没想到会看到负值和小数。我做错了吗？

（此外，由于我使用的模型，我认为值不准确，但我不关心模型本身，因为我关心学习建模的基础知识。）

R中线性回归的意外预测（）结果

0 个答案: