Inizia subitoInizia gratis

Interagire con i risultati

In questo esercizio filtrerai, traccerai e convertirai in DataFrame i risultati CBPE ottenuti per l'insieme di dati US Consensus dell'esempio precedente. Qui il metodo display viene usato per mostrare i grafici e i DataFrame richiamati a metà del codice.

I risultati dell'estimatore CBPE sono già caricati nella variabile estimated_results.

Questo esercizio fa parte del corso

Monitoraggio del Machine Learning in Python

Visualizza corso

Istruzioni dell'esercizio

  • Interagisci con i risultati stimati seguendo i commenti sopra ciascuno snippet di codice.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Filter estimated results for the roc_auc metric and convert them to a dataframe
display(estimated_results.____(____=[____]).____())

# Filter estimated results for the reference period and convert them to a dataframe
display(estimated_results.____(____=____).____())

# Filter the estimated results for the accuracy metric
display(estimated_results.filter(____=____).plot().show())

# Filter the estimated results for the analysis period, as well as for accuracy and roc_auc metrics
display(estimated_results.filter(____=____, ____=[____, ____]).plot().show())
Modifica ed esegui il codice