НачатьНачать бесплатно

Оценка производительности модели предсказания чаевых

В предыдущих упражнениях вы подготовили референсную и аналитическую выборки для набора данных NYC Green Taxi. В этом упражнении вы воспользуетесь этими данными, чтобы оценить производительность модели в производственной среде.

Сначала необходимо инициализировать алгоритм DLE с заданными параметрами, а затем визуализировать результаты.

Референсная и аналитическая выборки уже загружены и сохранены в переменных reference и analysis. Библиотека nannyml также уже импортирована.

Это упражнение является частью курса

Мониторинг машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

  • Инициализируйте алгоритм DLE с дневным периодом чанков, укажите tip_amount в качестве y_true и используйте метрику MSE.
  • Обучите оценщик DLE на референсной выборке (reference), выполните оценку производительности для аналитической выборки и сохраните результат в переменной results.
  • Визуализируйте результаты с помощью методов plot() и show().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

estimator = nannyml.DLE(y_pred='y_pred',
    timestamp_column_name='lpep_pickup_datetime',
    feature_column_names=features,
    chunk_period='d',
    y_true='tip_amount',
    metrics=['mse'])

# Fit the reference data to the DLE algorithm
estimator.____(____)

# Estimate the performance on the analysis data
results = estimator.____(____)

# Plot and show the results
____.____().____()
Редактировать и запускать код