시작하기무료로 시작하기

다양한 청크 방식

청크는 모니터링 결과에서 하나의 데이터 포인트를 의미해요. 데이터를 청크로 나누는 방법은 시간 기준, 크기 기준, 청크 개수 기준의 세 가지가 있음을 기억해 주세요.

이 연습 문제에서는 US Census 데이터셋에 대해 CBPE 알고리즘의 결과를 크기 기반과 개수 기반 청크 방식으로 나누고 시각화해 볼 거예요.

nannyml 라이브러리는 이미 임포트되어 있어요.

이 연습은 강의의 일부입니다

Python으로 Machine Learning 모니터링

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

reference, analysis, analysis_gt = ____.____()

# Initialize the CBPE algorithm
cbpe = nannyml.CBPE(
    y_pred_proba='predicted_probability',
    y_pred='prediction',
    y_true='employed',
    metrics = ['roc_auc', 'accuracy'],
    problem_type = 'classification_binary',
    ____ = ____,
)

cbpe = cbpe.fit(reference)
estimated_results = cbpe.estimate(analysis)
estimated_results.plot().show()
코드 편집 및 실행