Optymalizacja ceny
Świetna robota z dopasowaniem i oceną modelu! Czas przejść do konkretów: szef prosi cię o wskazanie ceny awokado, która przyniesie największy zysk, oraz o podanie spodziewanej wysokości tego zysku. Cena powinna być podzielna przez 0,25 USD, żeby klienci mogli łatwo płacić ćwierćdolarówkami.
W tym ćwiczeniu użyjesz modelu do przewidzenia wolumenu sprzedaży i zysku dla kilku sensownych cen. Następnie zwizualizujesz rozkłady predyktywne, aby wybrać optymalną cenę. Na koniec obliczysz przedział wiarygodności dla swojej prognozy zysku. Do dzieła!
Wyznaczone wcześniej wartości średnie a posteriori są dostępne jako intercept_mean, organic_mean, price_mean i sd_mean. Biblioteki pymc3, arviz oraz numpy są zaimportowane jako pm, az i np.
To ćwiczenie jest częścią kursu
Bayesowska analiza danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# For each price, predict volume and use it to predict profit
predicted_profit_per_price = {}
for price in [0.5, 0.75, 1, 1.25]:
pred_mean = (____)
volume_pred = ____(____, ____, size=1000)
profit_pred = ____
predicted_profit_per_price.update({price: profit_pred})