Próbkowanie z gęstości predykcyjnej

Nareszcie! Twoim zadaniem jest przewidzenie liczby wypożyczonych rowerów dziennie – i jesteś już blisko celu. Model został dopasowany, jakość próbek parametrów zweryfikowana, a spośród dwóch konkurujących modeli wybrano lepszy na podstawie WAIC. Czas wykorzystać najlepszy model do generowania prognoz!

Zebrano kilka nowych obserwacji, których model wcześniej nie widział – są dostępne w DataFrame o nazwie bikes_test. Dla każdej z nich znana jest prawdziwa liczba wypożyczonych rowerów, co pozwoli ocenić wydajność modelu. W tym ćwiczeniu zapoznasz się z danymi testowymi i wygenerujesz próbki predykcyjne dla każdej obserwacji testowej. Ślad modelu wygenerowany wcześniej jest dostępny jako trace_2, a biblioteka pymc3 została zaimportowana jako pm. Zacznijmy prognozować!