가상의 데이터셋을 만드는 능력은 우리 모델링의 흥미로운 부수적인 효과이며, 이 능력이 베이지안 추론의 매우 중요한 방법임을 알 수 있다. 예를 들어 우리는 그림 2-4와 같이 몇몇 데이터셋을 추가로 만들 것이다.
def plot_artificial_sms_dataset(): tau = pm.rdiscrete_uniform(0, 80) alpha = 1./20. lambda_1, lambda_2 = pm.rexponential(alpha, 2) data = np.r_[pm.rpoisson(lambda_1, tau), pm.rpoisson(lambda_2, 80 - tau)] plt.bar(np.arange(80), data, color=”#348ABD”) plt.bar(tau - 1, data[tau-1], color=“r”, label=“사용자의 행동 변화”) plt.xlim(0, 80) plt.xlabel(“시간(일수)”) plt.ylabel(“수신한 문자 메시지”) figsize(12.5, 5) plt.title(“우리의 모델을 시뮬레이션하여 얻은 가상 데이터셋 추가 예제”) for i in range(4): plt.subplot(4, 1, i+1) plt.xlabel(“시간(일수)”) plt.ylabel(“수신한 문자 메시지”) plot_artificial_sms_dataset()