Inizia subitoInizia gratis

Stima delle prestazioni per la previsione della mancia

Negli esercizi precedenti hai preparato un insieme di riferimento e uno di analisi per il dataset NYC Green Taxi. In questo esercizio userai quei dati per stimare le prestazioni del modello in produzione.

Per prima cosa, devi inizializzare l'algoritmo DLE con i parametri forniti e poi tracciare i risultati.

L'insieme di riferimento e quello di analisi sono già caricati e salvati nelle variabili reference e analysis. Inoltre, nannyml è già importato.

Questo esercizio fa parte del corso

Monitoraggio del Machine Learning in Python

Visualizza corso

Istruzioni dell'esercizio

  • Inizializza l'algoritmo DLE con periodo a chunk giornaliero, tip_amount come y_true e metrica MSE.
  • Adatta (fit) l'insieme reference all'estimatore DLE, stima le prestazioni per l'insieme di analisi e salva l'output nella variabile results.
  • Visualizza i risultati usando i metodi plot() e show().

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

estimator = nannyml.DLE(y_pred='y_pred',
    timestamp_column_name='lpep_pickup_datetime',
    feature_column_names=features,
    chunk_period='d',
    y_true='tip_amount',
    metrics=['mse'])

# Fit the reference data to the DLE algorithm
estimator.____(____)

# Estimate the performance on the analysis data
results = estimator.____(____)

# Plot and show the results
____.____().____()
Modifica ed esegui il codice