Prediktiv fördelning
Bra jobbat med analysen av parameterutdragen! Nu ska vi använda linjär regressionsmodell för att göra prediktioner. Hur många klick kan vi förvänta oss om vi visar 10 klädesannonser och 10 sneakersannonser? För att ta reda på det behöver du ta ett urval från den prediktiva fördelningen: en normalfördelning med medelvärde definierat av den linjära regressionsformeln och standardavvikelse skattad av modellen.
Först sammanfattar du varje parameters posterior med dess medelvärde. Sedan beräknar du medelvärdet för den prediktiva fördelningen enligt regressionsekationen. Därefter tar du ett urval från den prediktiva fördelningen och slutligen plottar du dess densitet. Här är regressionsformeln för din referens:
pymc3, numpy och seaborn har importerats under sina vanliga alias.
Den här övningen är en del av kursen
Bayesiansk dataanalys i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Aggregate posteriors of the parameters to point estimates
intercept_coef = ____
sneakers_coef = ____
clothes_coef = ____
sd_coef = ____