Zacznij terazZacznij za darmo

Wizualizacja cech wykazujących dryft

Po uszeregowaniu wyników jednowymiarowych wiesz już, że cechy hotel i country wykazujące dryft mają największy wpływ na wydajność modelu. W tym ćwiczeniu przyjrzysz się wynikom dryftu oraz wykresom rozkładu tych cech, aby ustalić przyczynę problemu.

Wyniki z kalkulatora jednowymiarowego dryftu są przechowywane w zmiennej uv_results.

To ćwiczenie jest częścią kursu

Monitorowanie uczenia maszynowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Ustaw argument period na analysis dla drift_results.
  • Przekaż hotel i country do column_names dla drift_results.
  • Ustaw argument kind w metodzie .plot() na "drift".
  • Zrób to samo dla distribution_results, z tą różnicą, że argument kind w metodzie .plot() ustaw na "distribution".

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Filter and create drift plots
drift_results = uv_results.filter(
    period=____,
    column_names=[____, ____]
    ).plot(kind=____)

# Filter and create distribution plots
distribution_results = uv_results.filter(
    period=____,
    column_names=[____, ____]
    ).plot(kind=____)

# Show the plots
drift_results.show()
distribution_results.show()
Edytuj i uruchom kod