CommencerCommencez gratuitement

Modifier les lois a priori

Modifions maintenant les distributions a priori de notre modèle Spotify. Changer les a priori vous permet d’indiquer vos propres croyances sur les valeurs attendues des paramètres. Le jeu de données songs est déjà chargé.

Cet exercice fait partie du cours

<cours>Modélisation de régression bayésienne avec rstanarm</cours>
Voir le cours

Instructions de l’exercice

  • Prédire popularity à partir de song_age
  • Créer un modèle flat_prior qui utilise des lois a priori uniformes pour tous les paramètres
  • Afficher un résumé des distributions a priori à l’écran

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Estimate a model with flat priors
flat_prior <- stan_glm(___, data = ___,
    ___ = ___, ___ = ___, ___ = ___)

# Print a prior summary
___(flat_prior)
Modifier et exécuter le code