Różne metody podziału na fragmenty
Fragment (chunk) reprezentuje pojedynczy punkt danych w wynikach monitorowania. Przypomnij sobie, że istnieją trzy metody podziału danych na fragmenty: według czasu, rozmiaru lub liczby fragmentów.
W tym ćwiczeniu podzielisz dane na fragmenty i zwizualizujesz wyniki algorytmu CBPE dla zbioru danych US Census, korzystając z metod opartych na rozmiarze i liczbie fragmentów.
Biblioteka nannyml jest już zaimportowana.
To ćwiczenie jest częścią kursu
Monitorowanie uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()