Implementace monitorovacího workflow
V průběhu kurzu ses seznámil/a s monitorovacím workflow. Prvním krokem je sledování výkonu modelu. Pokud dojde ke zhoršení, následují další kroky: multivariátní detekce driftu k ověření, zda drift způsobil pokles výkonu, a poté univariátní detekce driftu k přesnému určení příčiny v jednotlivých příznacích. Po dokončení analýzy můžeš přistoupit k řešení problému.
Aby ses tuto znalost lépe upevnil/a, aplikuješ tento postup na dataset US Census. Referenční a analytická data jsou předem načtena a máš k dispozici CBPE estimator, univariátní kalkulátor uv_calc a alert_count_ranker pro hodnocení driftu příznaků.
Toto cvičení je součástí kurzu
Monitoring Machine Learning in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Estimate the performance
estimator.____(____)
estimated_results = estimator.____(____)
estimated_results.____.____