ComeçarComece de graça

Interagindo com os resultados

Neste exercício, você vai filtrar, plotar e converter para DataFrame os resultados do CBPE obtidos para o conjunto de dados US Consensus do exemplo anterior. O método display aqui é usado para mostrar os gráficos e DataFrames chamados no meio do código.

Os resultados do estimador CBPE já estão carregados na variável estimated_results.

Este exercício faz parte do curso

Monitoramento de Machine Learning em Python

Ver curso

Instruções do exercício

  • Interaja com os resultados estimados com base nos comentários acima de cada trecho de código.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Filter estimated results for the roc_auc metric and convert them to a dataframe
display(estimated_results.____(____=[____]).____())

# Filter estimated results for the reference period and convert them to a dataframe
display(estimated_results.____(____=____).____())

# Filter the estimated results for the accuracy metric
display(estimated_results.filter(____=____).plot().show())

# Filter the estimated results for the analysis period, as well as for accuracy and roc_auc metrics
display(estimated_results.filter(____=____, ____=[____, ____]).plot().show())
Editar e executar o código