शुरू करेंमुफ़्त में शुरू करें

अनुमानित और वास्तविक परफॉर्मेंस की तुलना

अब जबकि आपने देख लिया है कि परफॉर्मेंस कैलकुलेशन कैसे काम करता है, आपका कार्य NYC ग्रीन टैक्सी डेटासेट के लिए हमारे टिप प्रेडिक्शन मॉडल का वास्तविक (realized) परफॉर्मेंस निकालना है.

रेफरेंस और एनालिसिस सेट पहले से लोड हैं और क्रमशः reference और analysis वैरिएबल में सेव हैं.

इसके अलावा, टिप प्रेडिक्शन के लिए DLE एल्गोरिदम के रिजल्ट्स estimated_results वैरिएबल में स्टोर हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मशीन लर्निंग मॉनिटरिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • कैलकुलेटर इनिशियलाइज़ करते समय problem type को regression के रूप में स्पेसिफाई करें.
  • कैलकुलेटर को रेफरेंस डेटा पर fit करें और एनालिसिस सेट के लिए परफॉर्मेंस calculate करें.
  • compare() मेथड का उपयोग करके realized_results और estimated_results के बीच comparison प्लॉट दिखाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()
कोड संपादित करें और चलाएँ