Začněte nyníZačněte zdarma

Odhad výkonu pro predikci spropitného

V předchozích cvičeních jsi připravil/a referenční a analytickou sadu pro dataset NYC Green Taxi. V tomto cvičení tato data využiješ k odhadu výkonu modelu v produkci.

Nejprve inicializuj algoritmus DLE se zadanými parametry a pak vizualizuj výsledky.

Referenční a analytická sada jsou již načteny a uloženy v proměnných reference a analysis. Knihovnu nannyml máš také již naimportovanou.

Toto cvičení je součástí kurzu

Monitoring Machine Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Inicializuj algoritmus DLE s denním chunk periodem, tip_amount jako y_true a metrikou MSE.
  • Natrénuj estimátor DLE na sadě reference, odhadni výkon pro analytickou sadu a výsledek ulož do proměnné results.
  • Vizualizuj výsledky pomocí metod plot() a show().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

estimator = nannyml.DLE(y_pred='y_pred',
    timestamp_column_name='lpep_pickup_datetime',
    feature_column_names=features,
    chunk_period='d',
    y_true='tip_amount',
    metrics=['mse'])

# Fit the reference data to the DLE algorithm
estimator.____(____)

# Estimate the performance on the analysis data
results = estimator.____(____)

# Plot and show the results
____.____().____()
Upravit a spustit kód