Bucle de feedback
În aplicațiile ML din lumea reală, nu este suficient să implementezi un model și să-l uiți. Pe măsură ce datele evoluează, și modelul trebuie să evolueze. Bucla de feedback este un mecanism care asigură că modelul continuă să învețe și să se adapteze la datele în schimbare. Imaginează-ți că modelul tău pentru boli de inimă este în producție de câteva luni. Ca parte a monitorizării și îmbunătățirii continue, vrei să evaluezi performanța actuală a modelului și să determini dacă este necesară reantrenarea sau ajustarea acestuia. balanced_accuracy_score este importat pentru tine din sklearn.metrics, ks_2samp este importat din scipy.stats, iar două eșantioane cu true_labels_feb și predicted_labels_feb pentru perioada curentă au fost predefinite. De asemenea, jan_data_samples și feb_data_samples au fost încărcate.
Acest exercițiu face parte din cursul
Machine Learning End-to-End
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Calculate and print the balanced accuracy of the model
balanced_accuracy_jan = 90.0
balanced_accuracy_feb = ____(____, ____) * 100
print(f"Model Balanced Accuracy In February: {____:.2f}%")
print(f"Is there a decline in accuracy? {'Yes' if ____ < ____ else 'No'}")