Prädiktive Verteilung
Gute Arbeit bei der Analyse der Parameterziehungen! Lass uns jetzt das lineare Regressionsmodell für Vorhersagen nutzen. Wie viele Klicks können wir erwarten, wenn wir 10 Bekleidungsanzeigen und 10 Sneaker-Anzeigen schalten? Um das herauszufinden, musst du aus der prädiktiven Verteilung ziehen: einer Normalverteilung mit dem Mittelwert gemäß der linearen Regressionsformel und einer vom Modell geschätzten Standardabweichung.
Zuerst fasst du das Posterior jedes Parameters mit seinem Mittelwert zusammen. Dann berechnest du den Mittelwert der prädiktiven Verteilung gemäß der Regressionsgleichung. Als Nächstes ziehst du eine Stichprobe aus der prädiktiven Verteilung und schließlich plottest du deren Dichte. Hier ist die Regressionsformel zur Orientierung:
pymc3, numpy und seaborn wurden unter ihren üblichen Aliassen importiert.
Diese Übung ist Teil des Kurses
Bayesianische Datenanalyse in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Aggregate posteriors of the parameters to point estimates
intercept_coef = ____
sneakers_coef = ____
clothes_coef = ____
sd_coef = ____