予測分布
パラメータのサンプルの分析、お見事です！次は線形回帰モデルを使って予測をしてみましょう。服の広告を10回、スニーカーの広告を10回表示すると、クリック数はどのくらい期待できるでしょうか？その答えを得るには、予測分布からサンプリングする必要があります。予測分布は、平均が線形回帰の式で定義され、標準偏差がモデルで推定された正規分布です。
最初に、各パラメータの事後分布を平均で要約します。次に、回帰方程式に従って予測分布の平均を計算します。その後、予測分布からサンプルを生成し、最後にその密度をプロットします。参考として回帰式を示します。
pymc3、numpy、seaborn は通常どおりのエイリアスでインポート済みです。
この演習はコースの一部です
Pythonで学ぶBayesianデータ分析
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Aggregate posteriors of the parameters to point estimates
intercept_coef = ____
sneakers_coef = ____
clothes_coef = ____
sd_coef = ____