Вибірка з апріорного розподілу

Втомившись працювати на центральний уряд і маркетингову компанію, ви переходите на нову посаду аналітика даних у місцевій владі вашого міста. Місто керує системою велосипедів спільного користування й просить вас передбачити кількість орендованих велосипедів за день, щоб відповідно планувати персонал та ремонти.

Вам надали дані про щоденну кількість орендованих велосипедів, температуру, вологість, швидкість вітру та про те, чи був день робочим:

     work_day      temp  humidity  wind_speed  num_bikes
0           0  0.344167  0.805833    0.160446      0.985
1           0  0.363478  0.696087    0.248539      0.801
..        ...       ...       ...         ...        ...
698         1  0.280870  0.555652    0.115522      5.323
699         1  0.298333  0.649583    0.058471      5.668

Спробуйте побудувати регресійну модель для передбачення num_bikes, використовуючи датафрейм bikes і pymc3 (псевдонім pm).

ПРИМІТКА: Перше викликання pm.sample() у новому сеансі Python займає певний час, адже під капотом Python-код компілюється в C. Щоб заощадити ваш час, ми просимо лише правильно написати код, без його виконання.