Vizualizace výstupu nasazeného modelu v čase
V tomto cvičení využiješ data ze dvou samostatných měsíců – ledna a února – ke sledování změn v predikcích tvého modelu pro srdeční choroby v průběhu času. Jak víš, model byl natrénován na binární klasifikaci srdečních chorob a predikce modelu za tyto dva měsíce jsou zaznamenány v lozích.
Předpokládej, že logy predikcí modelu za poslední dva měsíce byly vygenerovány přes Elastic Beanstalk a naimportovány jako pandas DataFrame s názvy logs_january a logs_february, přičemž sloupec target obsahuje predikce pro daný měsíc. matplotlib.pyplot je naimportován jako plt.
Toto cvičení je součástí kurzu
Strojové učení od začátku do konce
Pokyny k cvičení
- Vizualizuj rozložení predikcí modelu v lednu a únoru pomocí sousedních sloupcových grafů predikcí
target.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
fig, ax = plt.subplots(1, 2, figsize=(15, 6)) # 1 row, 2 columns
# January Plot
logs_january['____'].____.plot(kind=____, ax=ax[0])
ax[0].set_title('Distribution of Predicted Classes - January')
ax[0].set_xlabel('Class')
ax[0].set_ylabel('Frequency')
# February Plot
logs_february['____'].____.plot(____=____, ax=ax[1])
ax[1].set_title('Distribution of Predicted Classes - February')
ax[1].set_xlabel('Class')
ax[1].set_ylabel('Frequency')
plt.tight_layout()
____.____