使用 WAIC 比較模型

你已經成功建立了第一個基本模型，接著再看看手邊的資料。你注意到一個名為 wind_speed 的變數。這可能是預測租借腳踏車數量的關鍵！逆風騎車可不太有趣，對吧？

你用這個額外的解釋變數再擬合一個模型：

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)

新的 model_2 是否比沒有風速的 model_1 更好？用可廣泛適用資訊準則（Widely Applicable Information Criterion，WAIC）來比較兩個模型吧！

trace_1 和 trace_2 都已在你的工作環境中可用，且已將 pycm3 以 pm 匯入。