Calcolo di una soglia e delle medie mobili
Monitorerai l’accuratezza delle previsioni nel tempo per rilevare il model drift. Calcolando finestre mobili e definendo un livello di soglia per attivare gli avvisi di drift, puoi individuare quando il modello non è più allineato alla realtà e richiede un nuovo training.
Userai le prime 14 previsioni di fc_log_test per stabilire la soglia, poi la applicherai ai restanti log di previsione. I log di previsione fc_log_test e fc_log, che contengono i punteggi delle prestazioni del modello, sono già stati precaricati, insieme a pandas come pd.
Questo esercizio fa parte del corso
Progettare pipeline di forecasting per la produzione
Istruzioni dell'esercizio
- Definisci il livello di soglia da
fc_log_testsommando tre deviazioni standard alla media dell’RMSE e salvalo comermse_threshold. - Calcola la media mobile dell’RMSE usando finestre mobili di 7 e 14 giorni per
fc_log.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Set threshold: mean + 3 standard deviations
rmse_threshold = fc_log_test["____"].mean() + 3 * fc_log_test["____"].____()
# Create rolling window averages for RMSE
fc_log["rmse_ma_7"] = fc_log["rmse"].rolling(window=____).____()
fc_log["rmse_ma_14"] = fc_log["rmse"].rolling(window=____).____()
print(f"RMSE threshold: {round(rmse_threshold, 2)}")
print()
print("Forecast log with rolling averages:")
print(fc_log[["forecast_start", "rmse", "rmse_ma_7", "rmse_ma_14"]].head(20))