Vizualizarea rezultatelor unui model implementat de-a lungul timpului

În acest exercițiu, vei folosi date din două luni diferite – ianuarie și februarie – pentru a monitoriza modificările din predicțiile modelului tău de boli de inimă de-a lungul timpului. După cum știi, modelul tău a fost antrenat pentru a efectua o clasificare binară a bolilor de inimă, iar predicțiile sale au fost înregistrate în jurnale pentru aceste două luni.

Presupune că jurnalele cu predicțiile modelului din ultimele două luni au fost generate prin Elastic Beanstalk și au fost importate ca DataFrame-uri pandas, numite logs_january și logs_february, cu o coloană target care conține predicțiile pentru luna respectivă. matplotlib.pyplot a fost importat ca plt.

Acest exercițiu face parte din cursul

Machine Learning End-to-End

Vezi cursul

Instrucțiuni pentru exercițiu

Vizualizează distribuția predicțiilor modelului tău în ianuarie și februarie de-a lungul timpului, reprezentând grafice de tip bară alăturate ale predicțiilor target ale modelului.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

fig, ax = plt.subplots(1, 2, figsize=(15, 6))  # 1 row, 2 columns
# January Plot
logs_january['____'].____.plot(kind=____, ax=ax[0])
ax[0].set_title('Distribution of Predicted Classes - January')
ax[0].set_xlabel('Class')
ax[0].set_ylabel('Frequency')

# February Plot
logs_february['____'].____.plot(____=____, ax=ax[1])
ax[1].set_title('Distribution of Predicted Classes - February')
ax[1].set_xlabel('Class')
ax[1].set_ylabel('Frequency')

plt.tight_layout()
____.____

Editează și rulează codul