ComenzarEmpieza gratis

Modificar los umbrales

En el vídeo, viste cómo NannyML calcula los valores de umbral y aprendiste a personalizarlos para adaptarlos a tu solución.

En este ejercicio, tu tarea es definir dos umbrales personalizados: uno de desviación estándar y otro constante, y aplicarlos a los resultados obtenidos con el algoritmo CBPE para el conjunto de datos del censo de EE. UU.

Los conjuntos de referencia y análisis se han precargado como reference y analysis, junto con la biblioteca nannyml.

Este ejercicio forma parte del curso

Monitorización de Machine Learning en Python

Ver curso

Instrucciones del ejercicio

  • Importa ConstantThreshold y StandardDeviationThreshold desde nannyml.thresholds.
  • Inicializa el método de desviación estándar y establece los parámetros std_lower_multiplier y std_upper_multiplier en 2.
  • Inicializa el método de umbral constante y establece el parámetro inferior en 0.9 y el superior en 0.98.
  • Pasa el método de umbral constante para la métrica f1 y el método de desviación estándar para accuracy al algoritmo CBPE.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import custom thresholds
from ____.____ import ____, ____

# Initialize custom thresholds
stdt = ____(____=____, ____=____)
ct = ____(____=____, ____=____)

# Initialize the CBPE algorithm
estimator = nannyml.CBPE(
    problem_type='classification_binary',
    y_pred_proba='predicted_probability',
    y_pred='prediction',
    y_true='employed',
    metrics=['roc_auc', 'accuracy', 'f1'],
    thresholds={____: ____, ____: ____})
Editar y ejecutar código