Визуализация выходных данных развёрнутой модели с течением времени
В этом упражнении вы будете использовать данные за два отдельных месяца — январь и февраль — чтобы отслеживать изменения в предсказаниях модели классификации сердечных заболеваний. Напомним, что модель решает задачу бинарной классификации, а её предсказания записывались в журналы на протяжении двух месяцев.
Предположим, что журналы предсказаний модели за последние два месяца были сформированы через Elastic Beanstalk и импортированы как DataFrame библиотеки pandas: logs_january и logs_february. Каждый из них содержит столбец target с предсказаниями за соответствующий месяц. Библиотека matplotlib.pyplot импортирована как plt.
Это упражнение является частью курса
Сквозное машинное обучение
Инструкции к упражнению
- Визуализируйте распределение предсказаний модели за январь и февраль, построив смежные столбчатые диаграммы значений
target.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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()
____.____