Zacznij terazZacznij za darmo

Porównywanie szacowanej i zrealizowanej wydajności

Wiesz już, jak działa obliczanie wydajności – czas to wykorzystać w praktyce. Twoim zadaniem jest obliczenie zrealizowanej wydajności modelu prognozującego napiwki dla zbioru danych NYC Green Taxi.

Zbiór referencyjny i zbiór analizy są już wczytane i zapisane odpowiednio w zmiennych reference i analysis.

Wyniki algorytmu DLE dla prognozowania napiwków są przechowywane w zmiennej estimated_results.

To ćwiczenie jest częścią kursu

Monitorowanie uczenia maszynowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Podczas inicjalizacji kalkulatora określ typ problemu jako regression.
  • Dopasuj kalkulator do danych referencyjnych i oblicz wydajność dla zbioru analizy.
  • Wyświetl wykres porównawczy między realized_results a estimated_results, używając metody compare().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Intialize the calculator
calculator = nannyml.PerformanceCalculator(
    y_true='tip_amount',
    y_pred='y_pred',
    chunk_period='d',
  	metrics=['mae'],
    timestamp_column_name='lpep_pickup_datetime',
    problem_type=____)

# Fit the calculator
calculator.fit(____)
realized_results = calculator.____(____)

# Show comparison plot for realized and estimated performance
____.____(____).plot().show()
Edytuj i uruchom kod