CommencezCommencez gratuitement

Différentes méthodes de découpage en blocs

Un bloc (chunk) représente un seul point de données dans les résultats de suivi. Rappelez-vous qu'il existe trois façons de découper vos données en blocs : selon le temps, selon la taille ou selon le nombre de blocs.

Dans cet exercice, vous allez découper et visualiser les résultats de l'algorithme CBPE pour l'ensemble de données US Census en utilisant des méthodes basées sur la taille et sur le nombre de blocs.

La bibliothèque nannyml est déjà importée.

Cette activité fait partie du cours

Surveiller le Machine Learning en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

reference, analysis, analysis_gt = ____.____()

# Initialize the CBPE algorithm
cbpe = nannyml.CBPE(
    y_pred_proba='predicted_probability',
    y_pred='prediction',
    y_true='employed',
    metrics = ['roc_auc', 'accuracy'],
    problem_type = 'classification_binary',
    ____ = ____,
)

cbpe = cbpe.fit(reference)
estimated_results = cbpe.estimate(analysis)
estimated_results.plot().show()
Modifier et exécuter le code