사후 표본 점검하기
자전거 공유 시스템에서 하루 동안 대여된 자전거 수를 예측하는 작업을 이어서 진행해 볼게요. 이전에 샘플링해 둔 회귀 모델의 사후 표본은 trace_1으로 작업 공간에 준비되어 있어요.
사후분포를 얻은 뒤에는, 값이 타당해 보이는지 그리고 MCMC 과정이 제대로 수렴했는지를 확인하는 것이 모범 사례죠. 이번 연습에서는 사후 표본을 시각화하는 두 개의 그래프를 만들고, 표 형태로 요약해 보겠습니다. 함께 사후분포를 점검해 볼까요?
참고: 처리할 표본 수가 많아 그래프가 렌더링되는 데 최대 30초 정도 걸릴 수 있어요.
이 연습은 강의의 일부입니다
Python으로 배우는 Bayesian 데이터 분석
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import pymc3
____
# Draw a trace plot of trace_1
____
plt.show()
# Draw a forest plot of trace_1
____
plt.show()