Sampla från prediktiv densitet
Äntligen! Din uppgift är att förutsäga antalet hyrda cyklar per dag, och nu är du nästan framme. Du har anpassat modellen och verifierat kvaliteten på parameterurvalen. Du har också valt den bättre av de två konkurrerande modellerna baserat på WAIC. Nu är det dags att använda din bästa modell för att göra prediktioner!
Ett par nya observationer, som modellen inte har sett, har samlats in i en DataFrame med namnet bikes_test. För var och en av dem känner vi till det faktiska antalet hyrda cyklar, vilket gör att vi kan utvärdera modellens prestanda. I den här övningen bekantar du dig med testdatan och genererar prediktiva urval för varje testobservation. Tracen för din modell, som du genererade tidigare, finns tillgänglig som trace_2, och pymc3 har importerats som pm. Låt oss göra prediktioner!
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.
# Print bikes_test head
print(____)