1. Nauka
    2. /
  2. Kursy
    3. /
  3. End-to-End Machine Learning
Connected

ćwiczenie

Wizualizacja wyników wdrożonego modelu na przestrzeni czasu

W tym ćwiczeniu wykorzystasz dane z dwóch oddzielnych miesięcy – stycznia i lutego – aby monitorować zmiany w predykcjach modelu chorób serca na przestrzeni czasu. Jak wiesz, model został wytrenowany do binarnej klasyfikacji chorób serca, a jego predykcje zostały zapisane w logach dla obu miesięcy.

Załóż, że logi predykcji modelu z ostatnich dwóch miesięcy zostały wygenerowane przez Elastic Beanstalk i zaimportowane jako ramki danych pandas o nazwach logs_january i logs_february, z kolumną target zawierającą predykcje dla danego miesiąca. Biblioteka matplotlib.pyplot została zaimportowana jako plt.

Instrukcje

100 XP
  • Zwizualizuj rozkład predykcji modelu w styczniu i lutym na przestrzeni czasu, tworząc sąsiadujące wykresy słupkowe predykcji target modelu.