Granska posteriora urval
Du fortsätter med din uppgift att förutsäga antalet uthyrda cyklar per dag i ett cykeldelningssystem. De posteriora urval från din regressionsmodell som du samplade tidigare finns tillgängliga i din arbetsyta som trace_1.
Efter att ha erhållit posteriorerna är det bästa praxis att titta på dem för att se om de verkar rimliga och om MCMC-processen har konvergerat. I den här övningen skapar du två diagram som visualiserar posteriora urval och sammanfattar dem i en tabell. Nu granskar vi våra posteriorer!
OBS: Diagrammen kan ta upp till en halv minut att rendera, eftersom de innehåller många urval att bearbeta.
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.
# Import pymc3
____
# Draw a trace plot of trace_1
____
plt.show()
# Draw a forest plot of trace_1
____
plt.show()