ComeçarComece de graça

Estimativa de performance para a previsão de gorjetas

Nos exercícios anteriores, você preparou um conjunto de referência e um de análise para o conjunto de dados NYC Green Taxi. Neste exercício, você vai usar esses dados para estimar a performance do modelo em produção.

Primeiro, você deve inicializar o algoritmo DLE com os parâmetros fornecidos e depois plotar os resultados.

Os conjuntos de referência e de análise já estão carregados e salvos nas variáveis reference e analysis. Além disso, nannyml já foi importado.

Este exercício faz parte do curso

Monitoramento de Machine Learning em Python

Ver curso

Instruções do exercício

  • Inicie o algoritmo DLE com período de agrupamento diário, tip_amount como y_true e a métrica MSE.
  • Faça o fit do conjunto reference no estimador DLE, estime a performance para o conjunto de análise e armazene a saída na variável results.
  • Visualize os resultados usando os métodos plot() e show().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

estimator = nannyml.DLE(y_pred='y_pred',
    timestamp_column_name='lpep_pickup_datetime',
    feature_column_names=features,
    chunk_period='d',
    y_true='tip_amount',
    metrics=['mse'])

# Fit the reference data to the DLE algorithm
estimator.____(____)

# Estimate the performance on the analysis data
results = estimator.____(____)

# Plot and show the results
____.____().____()
Editar e executar o código