Campiona dalla densità predittiva
Finalmente! Il tuo compito è prevedere il numero di bici noleggiate al giorno, e ci sei quasi. Hai adattato il modello e verificato la qualità dei campioni dei parametri. Hai anche scelto il migliore tra i due modelli in competizione in base al WAIC. Ora è il momento di usare il tuo miglior modello per fare previsioni!
Sono state raccolte alcune nuove osservazioni, non viste dal modello, in un DataFrame chiamato bikes_test. Per ciascuna di esse conosciamo il numero reale di bici noleggiate, così potremo valutare le prestazioni del modello. In questo esercizio prenderai confidenza con i dati di test e genererai campioni predittivi per ogni osservazione di test. Il trace del tuo modello che hai generato in precedenza è disponibile come trace_2, e pymc3 è stato importato come pm. Facciamo delle previsioni!
Questo esercizio fa parte del corso
Analisi dei dati bayesiana in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Print bikes_test head
print(____)