1. Nauka
    2. /
  2. Kursy
    3. /
  3. Monitorowanie uczenia maszynowego w Pythonie
Connected

ćwiczenie

Szacowanie wydajności modelu przewidywania napiwków

W poprzednich ćwiczeniach przygotowałeś zbiór referencyjny i analityczny dla zbioru danych NYC Green Taxi. Teraz wykorzystasz te dane do oszacowania wydajności modelu w środowisku produkcyjnym.

Najpierw zainicjuj algorytm DLE z podanymi parametrami, a następnie zwizualizuj wyniki.

Zbiór referencyjny i analityczny jest już wczytany i zapisany w zmiennych reference i analysis. Biblioteka nannyml jest również już zaimportowana.

Instrukcje

100 XP
  • Zainicjuj algorytm DLE z dziennym okresem podziału na fragmenty, tip_amount jako y_true i metryką MSE.
  • Dopasuj zbiór reference do estymatora DLE, oszacuj wydajność dla zbioru analitycznego i zapisz wynik w zmiennej results.
  • Zwizualizuj wyniki za pomocą metod plot() i show().