Kom igångKom igång gratis

Jämföra estimerad och realiserad prestanda

Nu när du har sett hur prestandaberäkning fungerar är din uppgift att beräkna den realiserade prestandan för vår tipsprediktionsmodell på NYC green taxi-datasetet.

Referens- och analysmängden är redan inläst och sparad i variablerna reference och analysis.

Dessutom finns resultaten från DLE-algoritmen för tipspreduktion lagrade i variabeln estimated_results.

Den här övningen är en del av kursen

Övervakning av maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Ange problemtypen som regression vid initiering av kalkylatorn.
  • Träna kalkylatorn med referensdata och beräkna prestandan för analysmängden.
  • Visa ett jämförelseplot mellan realized_results och estimated_results med metoden compare().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Intialize the calculator
calculator = nannyml.PerformanceCalculator(
    y_true='tip_amount',
    y_pred='y_pred',
    chunk_period='d',
  	metrics=['mae'],
    timestamp_column_name='lpep_pickup_datetime',
    problem_type=____)

# Fit the calculator
calculator.fit(____)
realized_results = calculator.____(____)

# Show comparison plot for realized and estimated performance
____.____(____).plot().show()
Redigera och kör kod