การเปรียบเทียบโมเดลด้วย WAIC

หลังจากสร้างโมเดลแรกสำเร็จแล้ว ลองมาดูข้อมูลที่มีอยู่อีกครั้ง จะเห็นว่ามีตัวแปรชื่อ wind_speed ซึ่งอาจเป็นตัวพยากรณ์จำนวนจักรยานที่เช่าได้เป็นอย่างดี เพราะการปั่นจักรยานสู้ลมนั้นไม่ค่อยสนุกใช่ไหม?

ลองฟิตโมเดลใหม่โดยเพิ่มตัวพยากรณ์นี้เข้าไป:

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)

model_2 ที่สร้างขึ้นใหม่ดีกว่า model_1 ที่ไม่มีตัวแปร wind_speed หรือไม่? เปรียบเทียบทั้งสองโมเดลโดยใช้ Widely Applicable Information Criterion หรือ WAIC เพื่อหาคำตอบ!

ทั้ง trace_1 และ trace_2 พร้อมใช้งานในเวิร์กสเปซแล้ว และได้ import pymc3 ไว้เป็น pm เรียบร้อยแล้ว