牛油果多少钱？

Python 中的贝叶斯数据分析

Michal Oleszak

Machine Learning Engineer

牛油果公司

牛油果。

案例研究：估计价格弹性

目标：估计牛油果的价格弹性并优化定价

（价格弹性 = 价格变化对销量的影响）

拟合贝叶斯回归模型。
检查模型以验证其正确性。
预测不同价格下的销量。
给出使利润最大化的价格及其不确定性。

牛油果数据

print(avocado)

           date  price      volume  type_organic
0    2015-01-04   0.95  313.242777             0
1    2015-01-11   1.01  290.635427             0
2    2015-01-18   1.03  290.434588             0
3    2015-01-25   1.04  284.703108             0
..          ...    ...         ...           ...
334  2018-03-04   1.52   16.344308             1
335  2018-03-11   1.52   16.642349             1
336  2018-03-18   1.54   16.758042             1
337  2018-03-25   1.55   15.599672             1

¹ 数据来源：https://www.kaggle.com/neuromusic/avocado-prices

pymc3 中的先验

formula = "num_bikes ~ temp + work_day + wind_speed"

with pm.Model() as model:

    pm.GLM.from_formula(formula, data=bikes)
    trace = pm.sample(draws=1000, tune=500)

pymc3 中的先验

formula = "num_bikes ~ temp + work_day + wind_speed"

with pm.Model() as model:
    priors = {"wind_speed": pm.Normal.dist(mu=-5)}
    pm.GLM.from_formula(formula, data=bikes, priors=priors)
    trace = pm.sample(draws=1000, tune=500)

从 trace 提取抽样结果

temp_draws = trace.get_values("temp")

print(temp_draws)

array([6.8705346, 6.7421152, 6.7393061, ..., 5.966574 , 6.1274128, 6.7149277])

你将用到的内容

模型拟合：

pm.Model()
pm.GLM.from_formula()
pm.sample()
pm.Normal()

可视化：

pm.forestplot()
pm.traceplot()

预测：

pm.fast_sample_posterior_predictive()

推断：

az.hdi()

让我们动手练习！

Python 中的贝叶斯数据分析