Jämföra modeller med WAIC

Nu när du har byggt den första, grundläggande modellen tar du en ny titt på de data du har tillgång till. Du märker en variabel som heter wind_speed. Det kan vara ett utmärkt prediktorvariabel för antalet uthyrda cyklar! Att cykla mot vinden är inte roligt, eller hur?

Du anpassar en ny modell med detta extra prediktor:

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)

Är din nya model_2 bättre än model_1, den utan vindhastighetsvariabeln? Jämför de två modellerna med Widely Applicable Information Criterion, eller WAIC, för att ta reda på det!

Både trace_1 och trace_2 finns tillgängliga i din arbetsyta, och pymc3 har importerats som pm.