ÎncepețiÎncepe gratuit

Modificarea pragurilor

În video, ai observat cum calculează NannyML valorile pragurilor și ai aflat cum să le personalizezi în funcție de nevoile soluției tale.

În acest exercițiu, sarcina ta este să definești două praguri personalizate – unul bazat pe abaterea standard și unul constant – și apoi să le aplici rezultatelor obținute din algoritmul CBPE pentru setul de date US Census.

Seturile de referință și de analiză au fost preîncărcate ca reference și analysis, împreună cu biblioteca nannyml.

Acest exercițiu face parte din cursul

Monitorizarea Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă ConstantThreshold și StandardDeviationThreshold din nannyml.thresholds.
  • Inițializează metoda abaterii standard și setează parametrii std_lower_multiplier și std_upper_multiplier la valoarea 2.
  • Inițializează metoda pragului constant și setează parametrul lower la 0.9, iar upper la 0.98.
  • Transmite metoda pragului constant pentru metrica f1 și metoda abaterii standard pentru accuracy algoritmului CBPE.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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={____: ____, ____: ____})
Editează și rulează codul