我建立了一个泊松回归模型来计算保单持有人在其保单期内提出的索赔数量。预测值是浮点值,不能将其解释为不能具有分数要求的权利。下面给出的是实际值与预测值的比较。是否可以对预测值进行任何转换以获得整数,这类似于逻辑回归模型中的概率输出转换。
[![Model Summary][1]][1]
[![Actual v/s Predicted values][1]][1]
model = smf.glm("Number_Of_Claims ~ Number_Of_Users+Number_Of_Vehicles+Total_Miles+Category_Adults+Category_Senior+Category_MedExp+Territory_1+Territory_2+Territory_3+Territory_4+Territory_5+PIP_Exposure+Liability_Exposure", groups=None,
data=train,
offset = train.Exposure_Term,
family=Poisson())
pred_count = count_fit.predict(test, offset = test.Exposure_Term)