Aan de slagGa gratis aan de slag

Werken met resultaten

In deze oefening ga je de CBPE-resultaten filteren, plotten en omzetten naar een DataFrame voor de US Consensus-gegevensset uit het vorige voorbeeld. De methode display wordt hier gebruikt om de grafieken en DataFrames te tonen die midden in de code worden aangeroepen.

De resultaten van de CBPE-schatting zijn vooringeladen in de variabele estimated_results.

Deze oefening maakt deel uit van de cursus

Monitoring Machine Learning in Python

Cursus bekijken

Oefeninstructies

  • Werk met de geschatte resultaten op basis van de opmerkingen boven elk codefragment.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Filter estimated results for the roc_auc metric and convert them to a dataframe
display(estimated_results.____(____=[____]).____())

# Filter estimated results for the reference period and convert them to a dataframe
display(estimated_results.____(____=____).____())

# Filter the estimated results for the accuracy metric
display(estimated_results.filter(____=____).plot().show())

# Filter the estimated results for the analysis period, as well as for accuracy and roc_auc metrics
display(estimated_results.filter(____=____, ____=[____, ____]).plot().show())
Code bewerken en uitvoeren