WAIC によるモデル比較

最初の基本モデルをうまく作成できたので、手元のデータをもう一度見直してみましょう。wind_speed という変数に気づきます。これはレンタル自転車台数の良い予測変数になりそうです。向かい風の中でのサイクリングはあまり楽しくないですよね？

この追加の予測変数で別のモデルを当てはめます。

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)

新しい model_2 は、風速を含まない model_1 より良いでしょうか？Widely Applicable Information Criterion（WAIC）を使って2つのモデルを比較して確かめましょう！

trace_1 と trace_2 はワークスペースで利用可能で、pycm3 は pm としてインポート済みです。