Я использую GLM с линейной регрессией, а затем использую прогнозирование для подгонки ответа к моим тестовым данным, но проблема в том, что я получаю вероятности, и я не знаю, как преобразовать эти вероятности в реальные значения.
log<- glm(formula=stock_out_duration~lag_2_market_unres_dos+lag_2_percentage_bias_forecast_error + forecast,train_data_final,family = inverse.gaussian(link = "log"),maxit=100)
summary(log)
predict <- predict(log, test_data, type = 'response')
table_mat <- table(test_data$stock_out_duration)
table_mat