始める無料で始める

しきい値を変更する

動画では、NannyML がしきい値をどのように計算するかを確認し、解決策に合わせてカスタマイズする方法を学びました。

この演習では、2種類のカスタムしきい値（標準偏差によるものと定数によるもの）を定義し、US Census データセットに対する CBPE アルゴリズムの結果に適用します。

参照データと分析データはそれぞれ reference と analysis として、nannyml ライブラリとともにあらかじめ読み込まれています。

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

  • nannyml.thresholds から ConstantThreshold と StandardDeviationThreshold をインポートします。
  • 標準偏差方式を初期化し、std_lower_multiplier と std_upper_multiplier のパラメータを 2 に設定します。
  • 定数しきい値方式を初期化し、lower パラメータを 0.9、upper を 0.98 に設定します。
  • CBPE アルゴリズムに、f1 メトリクスには定数しきい値方式を、accuracy には標準偏差方式を渡します。

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。

# Import custom thresholds
from ____.____ import ____, ____

# Initialize custom thresholds
stdt = ____(____=____, ____=____)
ct = ____(____=____, ____=____)

# Initialize the CBPE algorithm
estimator = nannyml.CBPE(
    problem_type='classification_binary',
    y_pred_proba='predicted_probability',
    y_pred='prediction',
    y_true='employed',
    metrics=['roc_auc', 'accuracy', 'f1'],
    thresholds={____: ____, ____: ____})
コードを編集して実行