CommencezCommencez gratuitement

Estimation de la performance pour la prédiction du pourboire

Dans les exercices précédents, vous avez préparé un ensemble de référence et un ensemble d'analyse pour le jeu de données NYC Green Taxi. Ici, vous utiliserez ces données pour estimer la performance du modèle en production.

D'abord, vous devez initialiser l'algorithme DLE avec les paramètres fournis, puis tracer les résultats.

L'ensemble de référence et l'ensemble d'analyse sont déjà chargés dans les variables reference et analysis. De plus, nannyml est déjà importé.

Cette activité fait partie du cours

Surveiller le Machine Learning en Python

Voir le cours

Instructions de l’exercice

  • Initialisez l'algorithme DLE avec une période de segments quotidienne, tip_amount comme y_true, et la mesure MSE.
  • Ajustez l'estimateur DLE sur l'ensemble reference, estimez la performance pour l'ensemble d'analyse, puis stockez la sortie dans la variable results.
  • Visualisez les résultats avec les méthodes plot() et show().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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
____.____().____()
Modifier et exécuter le code