Analiza próbek z rozkładu a posteriori
Kontynuujesz pracę nad zadaniem polegającym na przewidywaniu liczby wypożyczeń rowerów dziennie w systemie roweru miejskiego. Próbki z rozkładu a posteriori uzyskane z twojego modelu regresji są dostępne w przestrzeni roboczej jako trace_1.
Wiesz, że po uzyskaniu rozkładów a posteriori dobrą praktyką jest ich sprawdzenie – warto upewnić się, czy wyniki mają sens i czy proces MCMC zakończył się poprawną zbieżnością. W tym ćwiczeniu stworzysz dwa wykresy wizualizujące próbki a posteriori oraz podsumowanie ich statystyk w tabeli. Przyjrzyjmy się naszym posteriorom!
UWAGA: Generowanie wykresów może potrwać do pół minuty, ponieważ zawierają one wiele próbek do przetworzenia.
To ćwiczenie jest częścią kursu
Bayesowska analiza danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import pymc3
____
# Draw a trace plot of trace_1
____
plt.show()
# Draw a forest plot of trace_1
____
plt.show()