फीडबैक लूप्स
वास्तविक दुनिया की ML एप्लिकेशंस में, केवल मॉडल को डिप्लॉय कर देना और भूल जाना पर्याप्त नहीं होता। जैसे-जैसे डेटा बदलता है, वैसे-वैसे मॉडल भी बदलना चाहिए। फीडबैक लूप यह सुनिश्चित करने का एक तरीका है कि मॉडल निरंतर सीख रहा है और बदलते डेटा के अनुसार खुद को ढाल रहा है। मान लीजिए आपका हृदय रोग मॉडल कुछ महीनों से प्रोडक्शन में है। निरंतर मॉनिटरिंग और सुधार के हिस्से के रूप में, आप मॉडल के वर्तमान प्रदर्शन का आकलन करना चाहते हैं और संभावित री-ट्रेनिंग या समायोजन की आवश्यकता तय करना चाहते हैं। balanced_accuracy_score आपके लिए sklearn.metrics से इम्पोर्ट किया गया है, ks_2samp scipy.stats से इम्पोर्ट किया गया है, और वर्तमान समय अवधि के लिए मॉडल के दो सैंपल true_labels_feb और predicted_labels_feb पहले से परिभाषित हैं। अंत में jan_data_samples और feb_data_samples लोड कर दिए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
एंड-टू-एंड मशीन लर्निंग
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate and print the balanced accuracy of the model
balanced_accuracy_jan = 90.0
balanced_accuracy_feb = ____(____, ____) * 100
print(f"Model Balanced Accuracy In February: {____:.2f}%")
print(f"Is there a decline in accuracy? {'Yes' if ____ < ____ else 'No'}")