デプロイ済みモデルの出力を時系列で可視化する
この演習では、1月と2月という2か月分のデータを使って、心疾患モデルの予測が時間とともにどのように変化したかを監視します。ご存じのとおり、このモデルは心疾患の二値分類タスクに対して学習されており、これら2か月分についてモデルの予測がログに記録されています。
直近2か月のモデル予測ログは Elastic Beanstalk を通じて生成され、pandas の DataFrame としてインポート済みで、logs_january と logs_february という名前が付いており、それぞれ当月の予測を表すtarget列を持つと仮定します。matplotlib.pyplot は plt としてインポートされています。
この演習はコースの一部です
End-to-End Machine Learning
演習の手順
- モデルの
target予測について、1月と2月の分布を並べた棒グラフでプロットし、時間経過に伴う変化を可視化しましょう。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
fig, ax = plt.subplots(1, 2, figsize=(15, 6)) # 1 row, 2 columns
# January Plot
logs_january['____'].____.plot(kind=____, ax=ax[0])
ax[0].set_title('Distribution of Predicted Classes - January')
ax[0].set_xlabel('Class')
ax[0].set_ylabel('Frequency')
# February Plot
logs_february['____'].____.plot(____=____, ax=ax[1])
ax[1].set_title('Distribution of Predicted Classes - February')
ax[1].set_xlabel('Class')
ax[1].set_ylabel('Frequency')
plt.tight_layout()
____.____