Теперь покажем, как использовать одну из моделей, например, model_2 для прогнозирования. Возьмём какой-нибудь новый набор данных, придумаем новые данные. Значит, новый набор данных nw <- data.frame. Пусть у нас мы будем прогнозировать стоимость квартиры общей площадью 60 метров, но одну возьмём в кирпичном доме, а другую нет: brick <- factor(c), пусть первая будет в кирпичном доме, а вторая нет. А общая площадь каждой квартиры по 60 метров. Вот он наш набор данных, можно посмотреть на nw, набор данных, в котором всего две переменных. А теперь мы с помощью model_2 построим прогнозы на этот новый набор данных: predict(model_2), новые данные мы берём из набора данных nw и можем построить прогнозы. Вот, соответственно, наши прогнозы. Не забывайте, что у нас в модели логарифм цены, да, поэтому если мы хотим получить точечный прогноз, то самый простой способ — это взять экспоненту от этих прогнозов, поскольку e в степени — это обратное действие к логарифмированию. То есть если я напишу exp от прогнозов, то я получу, соответственно, прогнозы. Первая у нас стоит 103 000 и вторая — 93 000. Можно построить доверительный интервал. Мы говорили, что есть два доверительных интервала, поэтому давайте для наших двух квартир построим доверительный интервал. Есть доверительный интервал для среднего: interval = confidence, то есть это я построю 95 % по умолчанию доверительный интервал для двух квартир среднестатистических: одной среднестатистической с площадью 60 метров и в кирпичном доме, другой — среднестатистической с площадью 60 квадратных метров и в некирпичном доме. Опять же вот эти числа по модели 2 по умолчанию предсказываются логарифмом, поэтому я снова допишу экспоненту. Соответственно, вот он доверительный интервал: среднестатистическая квартира в кирпичном доме с площадью 60 метров стоит, стоила, точнее, это данные нескольколетней давности, соответственно, от 101-й тысячи долларов до 105-ти тысяч долларов, это среднее по Москве. Соответственно, в некирпичном доме, ну доверительный интервал примерно такой же ширины, но значение чуть меньше. Однако можно строить не доверительный интервал, потому что доверительный интервал интересует только вот кого-то с точки зрения статистики: это стоимость среднестатистической квартиры, а не той, которая вот случайно попадётся, если мы будем выбирать квартиру с такими характеристиками, — поэтому построим предиктивный интервал. То есть в этом коде мы изменим одно слово. У нас интервал вместо доверительного для среднестатистического значения будет прогнозным: predictive. И здесь то же самое, predictive. И построим этот интервал. Ой, не predictive, а prediction. Соответственно, этот доверительный интервал оказывается существенно шире. Если тот для первой квартиры был от 101-го до 105-ти, то теперь новый — от 70-ти до 150-ти. В чём разница? Первый доверительный интервал — это доверительный интервал для среднестатистической квартиры в Москве, некоторой мифической среднестатистической, а когда мы выбираем конкретную квартиру с данными характеристиками (площадь 60 в кирпичном доме), то, естественно, она может оказаться как дороже среднестатистической, так и дешевле среднестатистической, и поэтому неопределённость при прогнозировании цены конкретной квартиры — она выше, и поэтому предиктивный интервал уже выходит довольно широким: от 70-ти тысяч до 150-ти тысяч. Вот она разница между прогнозным интервалом и доверительным интервалом для средней стоимости квартиры.
