การแสดงภาพผลลัพธ์ของโมเดลที่ใช้งานจริงตามช่วงเวลา
ในแบบฝึกหัดนี้ คุณจะใช้ข้อมูลจาก 2 เดือน ได้แก่ มกราคมและกุมภาพันธ์ เพื่อติดตามการเปลี่ยนแปลงของผลการพยากรณ์โมเดลโรคหัวใจตามช่วงเวลา โมเดลนี้ถูกฝึกให้ทำการจำแนกประเภทแบบไบนารีสำหรับโรคหัวใจ และได้บันทึกผลการพยากรณ์ไว้ใน log สำหรับทั้งสองเดือนแล้ว
สมมติว่า log ของผลการพยากรณ์โมเดลในช่วงสองเดือนที่ผ่านมาถูกสร้างขึ้นผ่าน Elastic Beanstalk และนำเข้ามาเป็น pandas DataFrame ชื่อ logs_january และ logs_february โดยมีคอลัมน์ target เก็บผลการพยากรณ์ของแต่ละเดือน นอกจากนี้ได้นำเข้า matplotlib.pyplot ในชื่อ plt แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning แบบ End-to-End
คำแนะนำการฝึกหัด
- แสดงภาพการกระจายตัวของผลการพยากรณ์โมเดลในเดือนมกราคมและกุมภาพันธ์ โดยพล็อตกราฟแท่งแบบเรียงชิดกันของค่าพยากรณ์
targetจากโมเดล
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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()
____.____