1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Bayesowska analiza danych w Pythonie
Connected

Exercise

Rozkład predyktywny

Dobra robota z analizą losowań parametrów! Teraz użyjemy modelu regresji liniowej do tworzenia prognoz. Ile kliknięć możemy się spodziewać, jeśli zdecydujemy się wyświetlić 10 reklam ubrań i 10 reklam sneakersów? Żeby się tego dowiedzieć, trzeba będzie losować z rozkładu predyktywnego: rozkładu normalnego, którego średnia jest wyznaczana przez wzór regresji liniowej, a odchylenie standardowe – szacowane przez model.

Na początku podsumujemy posterior każdego parametru jego średnią. Następnie obliczymy średnią rozkładu predyktywnego zgodnie z równaniem regresji. Potem wylosujemy próbkę z rozkładu predyktywnego i na końcu wyrysujemy jej gęstość. Dla wygody poniżej znajdziesz wzór regresji:

The number of clicks has a normal distribution with the mean β0 + β1 * clothes-ads-shown + β2 * sneakers-ads-shown, and some standard deviation sigma.

pymc3, numpy i seaborn zostały zaimportowane pod swoimi standardowymi aliasami.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Podsumuj każdy z wylosowanych parametrów (intercept_draws, sneakers_draws, clothes_draws i sd_draws) jego posteriori średnią.