Porovnání modelů pomocí WAIC
Teď, když máš úspěšně sestavený první základní model, podíváš se znovu na dostupná data. Všimneš si proměnné wind_speed. To by mohl být skvělý prediktor počtu půjčených kol! Jízda na kole proti větru moc zábavy nepřinese, co říkáš?
Natrénuješ další model s tímto přídavným prediktorem:
formula = "num_bikes ~ temp + work_day + wind_speed"
with pm.Model() as model_2:
pm.GLM.from_formula(formula, data=bikes)
trace_2 = pm.sample(draws=1000, tune=500)
Je tvůj nový model_2 lepší než model_1, tedy ten bez rychlosti větru? Porovnej oba modely pomocí Widely Applicable Information Criterion, neboli WAIC, a zjisti to!
V pracovním prostředí máš k dispozici trace_1 i trace_2 a pymc3 je importován jako pm.
Toto cvičení je součástí kurzu
Bayesian Data Analysis in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Gather trace_1 and trace_2 into a dictionary
traces_dict = ____