CommencezCommencez gratuitement

Interagir avec les résultats

Dans cet exercice, vous allez filtrer, tracer et convertir en DataFrame les résultats CBPE obtenus pour l'ensemble de données US Consensus dans l'exemple précédent. La méthode display est utilisée ici pour afficher les graphiques et les DataFrames qui sont appelés au milieu du code.

Les résultats de l'estimateur CBPE sont préchargés dans la variable estimated_results.

Cette activité fait partie du cours

Surveiller le Machine Learning en Python

Voir le cours

Instructions de l’exercice

  • Interagissez avec les résultats estimés en vous basant sur les commentaires au-dessus de chaque extrait de code.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Filter estimated results for the roc_auc metric and convert them to a dataframe
display(estimated_results.____(____=[____]).____())

# Filter estimated results for the reference period and convert them to a dataframe
display(estimated_results.____(____=____).____())

# Filter the estimated results for the accuracy metric
display(estimated_results.filter(____=____).plot().show())

# Filter the estimated results for the analysis period, as well as for accuracy and roc_auc metrics
display(estimated_results.filter(____=____, ____=[____, ____]).plot().show())
Modifier et exécuter le code