始める無料で始める

推定値と実測パフォーマンスの比較

パフォーマンスの計算方法を確認したので、次はNYCグリーンタクシーのデータセットを使ったチップ予測モデルについて、実測パフォーマンスを計算してみましょう。

リファレンスデータと分析用データはすでに読み込まれており、reference と analysis という変数に保存されています。

さらに、チップ予測に対するDLEアルゴリズムの結果は、estimated_results 変数に格納されています。

この演習はコースの一部です

Pythonで学ぶ機械学習のモニタリング

コースを見る

演習の手順

  • 計算器の初期化では、問題の種類を regression に指定します。
  • リファレンスデータで計算器をフィットし、分析用データのパフォーマンスをcalculate（計算）します。
  • compare() メソッドを使って、realized_results と estimated_results の比較プロットを表示します。

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。

# Intialize the calculator
calculator = nannyml.PerformanceCalculator(
    y_true='tip_amount',
    y_pred='y_pred',
    chunk_period='d',
  	metrics=['mae'],
    timestamp_column_name='lpep_pickup_datetime',
    problem_type=____)

# Fit the calculator
calculator.fit(____)
realized_results = calculator.____(____)

# Show comparison plot for realized and estimated performance
____.____(____).plot().show()
コードを編集して実行