ComeçarComece de graça

Modificando os limites (thresholds)

No vídeo, você viu como o NannyML calcula valores de limite (thresholds) e aprendeu a personalizá-los para o seu caso.

Neste exercício, sua tarefa é definir dois limites personalizados: um de desvio padrão e um constante, e depois aplicá-los aos resultados obtidos pelo algoritmo CBPE para o conjunto de dados do US Census.

Os conjuntos de referência e de análise já foram carregados como reference e analysis, assim como a biblioteca nannyml.

Este exercício faz parte do curso

Monitoramento de Machine Learning em Python

Ver curso

Instruções do exercício

  • Importe ConstantThreshold e StandardDeviationThreshold de nannyml.thresholds.
  • Inicialize o método de desvio padrão e defina os parâmetros std_lower_multiplier e std_upper_multiplier como 2.
  • Inicialize o método de limite constante e defina o parâmetro inferior (lower) como 0.9 e o superior (upper) como 0.98.
  • Passe o método de limite constante para a métrica f1 e o método de desvio padrão para accuracy no algoritmo CBPE.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import custom thresholds
from ____.____ import ____, ____

# Initialize custom thresholds
stdt = ____(____=____, ____=____)
ct = ____(____=____, ____=____)

# Initialize the CBPE algorithm
estimator = nannyml.CBPE(
    problem_type='classification_binary',
    y_pred_proba='predicted_probability',
    y_pred='prediction',
    y_true='employed',
    metrics=['roc_auc', 'accuracy', 'f1'],
    thresholds={____: ____, ____: ____})
Editar e executar o código