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:
pymc3, numpy i seaborn zostały zaimportowane pod swoimi standardowymi aliasami.
To ćwiczenie jest częścią kursu
Bayesowska analiza danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Aggregate posteriors of the parameters to point estimates
intercept_coef = ____
sneakers_coef = ____
clothes_coef = ____
sd_coef = ____