1. 学ぶ
  2. /
  3. コース
  4. /
  5. Monitorowanie uczenia maszynowego w Pythonie

Connected

演習

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.

指示1 / 4

undefined XP
    1
    2
    3
    4
  • Dopasuj zbiór reference do estymatora, oszacuj wyniki na zbiorze analysis i wyświetl rezultaty.