Identificare il model drift

Ora traccerai i punteggi del modello nel tempo per visualizzare quando si verifica il drift. Aggiungendo la linea di soglia e le finestre mobili dell'RMSE, puoi vedere come le linee di errore a ritroso indicano un degrado delle prestazioni.

Il dataset fc_log con medie mobili già calcolate, rmse_threshold e Plotly come go sono stati precaricati per te.

Questo esercizio fa parte del corso

Progettare pipeline di forecasting per la produzione

Visualizza corso

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

p = go.Figure()

# Add RMSE line
p.add_trace(go.Scatter(x=fc_log["forecast_start"], y=fc_log["____"],
                        mode='lines',
                        name='RMSE',
                        line=dict(color='royalblue', width=2)))

# Add the RMSE rolling windows for 7 and 14 days
p.add_trace(go.Scatter(x=fc_log["forecast_start"], y=fc_log["____"],
                        mode='lines',
                        name='7 Days MA',
                        line=dict(color='green', width=2)))

p.add_trace(go.Scatter(x=fc_log["forecast_start"], y=fc_log["____"],
                        mode='lines',
                        name='14 Days MA',
                        line=dict(color='orange', width=2)))

p.add_trace(go.Scatter(x=[fc_log["forecast_start"].min(), fc_log["forecast_start"].max()], 
y=[rmse_threshold, rmse_threshold], 
name="Threshold",
line=dict(color="red", width=2, dash="dash")))

# Add plot titles and show the plot
p.update_layout(title="Forecast Error Rate Over Time",
                xaxis_title="____",
                yaxis_title="____", 
                height=400,
                title_x=0.5,
                margin=dict(t=50, b=50, l=50, r=50))
p.show()

Modifica ed esegui il codice