Анализ апостериорных выборок
Вы продолжаете работу над задачей прогнозирования количества велосипедов, арендованных за день в системе проката. Апостериорные выборки из вашей регрессионной модели, полученные ранее, доступны в рабочей среде под именем trace_1.
После получения апостериорных распределений рекомендуется изучить их, чтобы убедиться в корректности результатов и успешной сходимости процесса MCMC. В этом упражнении вы создадите два графика для визуализации апостериорных выборок и сформируете сводную таблицу. Давайте изучим наши апостериорные распределения!
ПРИМЕЧАНИЕ: Отрисовка графиков может занять до полуминуты, поскольку они содержат большое количество выборок.
Это упражнение является частью курса
Байесовский анализ данных на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import pymc3
____
# Draw a trace plot of trace_1
____
plt.show()
# Draw a forest plot of trace_1
____
plt.show()