Porównywanie modeli za pomocą WAIC

Po udanym zbudowaniu pierwszego, podstawowego modelu ponownie przyglądasz się dostępnym danym. Zauważasz zmienną wind_speed. To może być świetny predyktor liczby wypożyczonych rowerów! Jazda pod wiatr to nie jest przyjemność, prawda?

Dopasowujesz kolejny model z tym dodatkowym predyktorem:

formula = "num_bikes ~ temp + work_day + wind_speed"

with pm.Model() as model_2:
    pm.GLM.from_formula(formula, data=bikes)
    trace_2 = pm.sample(draws=1000, tune=500)

Czy nowy model_2 jest lepszy od model_1, czyli modelu bez prędkości wiatru? Porównaj oba modele przy użyciu Widely Applicable Information Criterion, czyli WAIC, żeby się o tym przekonać!

Zarówno trace_1, jak i trace_2 są dostępne w twoim środowisku pracy, a pymc3 zostało zaimportowane jako pm.