Implementacja przepływu monitorowania
W trakcie kursu poznałeś/aś przepływ monitorowania. Pierwszym krokiem jest monitorowanie wydajności. Jeśli wykryjesz negatywne zmiany, kolejne kroki obejmują wielowymiarowe wykrywanie dryfu, aby sprawdzić, czy to on spowodował spadek wydajności, a następnie jednowymiarowe wykrywanie dryfu, aby wskazać konkretne cechy odpowiedzialne za problem. Po zebraniu wyników analizy możesz podjąć kroki w celu rozwiązania problemu.
Aby utrwalić tę wiedzę, w tym ćwiczeniu zastosujesz ten proces do zbioru danych US Census. Zbiory referencyjny i analityczny są wstępnie załadowane, a do dyspozycji masz estymator CBPE estimator, kalkulator jednowymiarowy uv_calc oraz alert_count_ranker do rankingowania dryfu cech.
To ćwiczenie jest częścią kursu
Monitorowanie uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Estimate the performance
estimator.____(____)
estimated_results = estimator.____(____)
estimated_results.____.____