CommencezCommencez gratuitement

Comparer la performance estimée et réalisée

Maintenant que vous avez vu comment fonctionne le calcul de performance, votre tâche est de calculer la performance réalisée de notre modèle de prédiction du pourboire pour l'ensemble de données des taxis verts de NYC.

L'ensemble de référence et l'ensemble d'analyse sont déjà chargés et enregistrés dans les variables reference et analysis.

De plus, les résultats de l'algorithme DLE pour la prédiction du pourboire sont stockés dans la variable estimated_results.

Cette activité fait partie du cours

Surveiller le Machine Learning en Python

Voir le cours

Instructions de l’exercice

  • Indiquez le type de problème comme regression lors de l'initialisation du calculateur.
  • Ajustez le calculateur avec les données de référence et calculez la performance pour l'ensemble d'analyse.
  • Affichez le graphique de comparaison entre realized_results et estimated_results en utilisant la méthode compare().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Intialize the calculator
calculator = nannyml.PerformanceCalculator(
    y_true='tip_amount',
    y_pred='y_pred',
    chunk_period='d',
  	metrics=['mae'],
    timestamp_column_name='lpep_pickup_datetime',
    problem_type=____)

# Fit the calculator
calculator.fit(____)
realized_results = calculator.____(____)

# Show comparison plot for realized and estimated performance
____.____(____).plot().show()
Modifier et exécuter le code