Implementare un flusso di monitoraggio
Nel corso hai imparato il flusso di lavoro per il monitoraggio. Il primo passo è il monitoraggio delle prestazioni. Se ci sono variazioni negative, i passaggi successivi prevedono il rilevamento del drift multivariato per capire se il calo di performance è dovuto al drift, seguito dal rilevamento univariato per individuare la causa nelle singole feature. Una volta ottenuti i risultati dell'analisi, puoi intervenire per risolvere il problema.
Per consolidare queste conoscenze, in questo esercizio applicherai il processo al dataset US Consensus. I dataset di riferimento e di analisi sono già caricati e hai a disposizione l'estimator CBPE, il calcolatore univariato uv_calc e un alert_count_ranker per classificare le feature in base al drift.
Questo esercizio fa parte del corso
Monitoraggio del Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Estimate the performance
estimator.____(____)
estimated_results = estimator.____(____)
estimated_results.____.____