배포된 모델의 출력을 시간 경과에 따라 시각화하기
이번 연습 문제에서는 1월과 2월의 두 달치 데이터를 활용해, 시간이 지나면서 심장 질환 모델의 예측이 어떻게 변하는지 모니터링해 보겠습니다. 이 모델은 심장 질환 여부를 예측하는 이진 분류 작업을 수행하도록 학습되었고, 해당 두 달 동안의 예측 결과가 로그에 기록되어 있습니다.
최근 두 달간의 모델 예측 로그가 Elastic Beanstalk를 통해 생성되었고, 각 달의 예측을 담은 target 열을 가진 pandas DataFrame인 logs_january와 logs_february로 가져왔다고 가정하세요. matplotlib.pyplot은 plt로 임포트되어 있습니다.
이 연습은 강의의 일부입니다
엔드 투 엔드 Machine Learning
연습 안내
- 1월과 2월의 모델
target예측을 인접한 막대 그래프로 그려, 시간에 따른 예측 분포를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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()
____.____