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

ćwiczenie

Modyfikowanie progów

W filmie zobaczyłeś(-aś), jak NannyML oblicza wartości progów, i dowiedziałeś(-aś) się, jak je dostosować do własnych potrzeb.

W tym ćwiczeniu masz za zadanie zdefiniować dwa niestandardowe progi – próg odchylenia standardowego i próg stały – a następnie zastosować je do wyników uzyskanych z algorytmu CBPE dla zbioru danych US Census.

Zbiory referencyjny i analityczny zostały wstępnie wczytane jako reference i analysis, wraz z biblioteką nannyml.

Instrukcje

100 XP
  • Zaimportuj ConstantThreshold i StandardDeviationThreshold z nannyml.thresholds.
  • Zainicjalizuj metodę odchylenia standardowego i ustaw parametry std_lower_multiplier oraz std_upper_multiplier na 2.
  • Zainicjalizuj metodę progu stałego i ustaw parametr dolny na 0.9, a górny na 0.98.
  • Przekaż metodę progu stałego dla metryki f1 oraz metodę odchylenia standardowego dla metryki accuracy do algorytmu CBPE.