Comparer des modèles avec le WAIC

Maintenant que vous avez réussi à construire le premier modèle de base, vous jetez un autre coup d'œil aux données à votre disposition. Vous remarquez une variable appelée wind_speed. Elle pourrait très bien prédire le nombre de vélos loués ! Pédaler contre le vent, ce n'est pas très amusant, n'est-ce pas ?

Vous ajustez un autre modèle avec ce prédicteur supplémentaire :

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)

Votre nouveau model_2 est-il meilleur que model_1, celui sans la vitesse du vent ? Comparez les deux modèles à l'aide du Widely Applicable Information Criterion (WAIC) pour le découvrir !

Les objets trace_1 et trace_2 sont tous deux disponibles dans votre espace de travail, et pycm3 a été importé sous le nom pm.