Comparación de modelos con WAIC

Ahora que has creado correctamente el primer modelo básico, vuelves a revisar los datos de los que dispones. Te fijas en una variable llamada wind_speed. ¡Podría ser un gran predictor del número de bicicletas alquiladas! Pedalear contra el viento no es precisamente divertido, ¿verdad?

Ajustas otro modelo con este predictor adicional:

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)

¿Tu nuevo model_2 es mejor que model_1, el que no incluye la velocidad del viento? ¡Compara ambos modelos usando el Widely Applicable Information Criterion, o WAIC, para averiguarlo!

Tanto trace_1 como trace_2 están disponibles en tu espacio de trabajo, y pycm3 se ha importado como pm.