事後分布からのサンプリング

中央政府やマーケティング会社での仕事に疲れたあなたは、地元自治体のデータアナリストとして新しい仕事を始めます。市ではシェア自転車システムを運営しており、スタッフ配置や修理計画のために、1日あたりのレンタル台数を予測してほしいと依頼されました。

1日あたりのレンタル台数、気温、湿度、風速、そしてその日が稼働日（平日）かどうかに関するデータが渡されています。

     work_day      temp  humidity  wind_speed  num_bikes
0           0  0.344167  0.805833    0.160446      0.985
1           0  0.363478  0.696087    0.248539      0.801
..        ...       ...       ...         ...        ...
698         1  0.280870  0.555652    0.115522      5.323
699         1  0.298333  0.649583    0.058471      5.668

bikes データフレームと、pymc3（pm という別名あり）を使って、num_bikes を予測する回帰モデルを作ってみましょう。

※注意: 新しい Python セッションで最初に pm.sample() を呼ぶと、内部で Python コードが C にコンパイルされるため時間がかかります。時間短縮のため、この演習ではコードを正しく書くことのみを求め、実行は不要です。