Mulai sekarangMulai gratis

Membandingkan performa terestimasi dan terealisasi

Sekarang setelah Anda melihat cara kerja perhitungan performa, tugas Anda adalah menghitung performa terealisasi untuk model prediksi tip pada himpunan data taksi hijau NYC.

Himpunan referensi dan analisis sudah dimuat dan disimpan pada variabel reference dan analysis.

Selain itu, hasil dari algoritma DLE untuk prediksi tip disimpan dalam variabel estimated_results.

Latihan ini merupakan bagian dari kursus

Pemantauan Machine Learning dengan Python

Lihat Kursus

Instruksi latihan

  • Tentukan tipe masalah sebagai regression saat inisialisasi kalkulator.
  • Fit kalkulator dengan data referensi dan hitung performa untuk himpunan analisis.
  • Tampilkan plot perbandingan antara realized_results dan estimated_results menggunakan metode compare().

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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()
Edit dan Jalankan Kode