CommencezCommencez gratuitement

Modifier les seuils

Dans la vidéo, vous avez vu comment NannyML calcule les valeurs de seuil et appris à les personnaliser selon vos besoins.

Dans cet exercice, vous devez définir deux seuils personnalisés : un basé sur l'écart-type et un seuil constant, puis les appliquer aux résultats obtenus par l'algorithme CBPE pour l'ensemble de données du recensement américain (US Census).

Les ensembles de référence et d'analyse ont été préchargés sous reference et analysis, ainsi que la bibliothèque nannyml.

Cette activité fait partie du cours

Surveiller le Machine Learning en Python

Voir le cours

Instructions de l’exercice

  • Importez ConstantThreshold et StandardDeviationThreshold à partir de nannyml.thresholds.
  • Initialisez la méthode d'écart-type et définissez les paramètres std_lower_multiplier et std_upper_multiplier à 2.
  • Initialisez la méthode de seuil constant et définissez le paramètre inférieur à 0.9 et le supérieur à 0.98.
  • Transmettez la méthode de seuil constant pour l'indicateur f1 et la méthode d'écart-type pour accuracy à l'algorithme CBPE.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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={____: ____, ____: ____})
Modifier et exécuter le code