เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การเปรียบเทียบประสิทธิภาพที่ประมาณการและประสิทธิภาพจริง

หลังจากที่เห็นวิธีการคำนวณประสิทธิภาพแล้ว ภารกิจต่อไปคือการคำนวณประสิทธิภาพจริงสำหรับโมเดลพยากรณ์ทิปบนชุดข้อมูลแท็กซี่สีเขียวของนิวยอร์ก

ชุดข้อมูล reference และ analysis ถูกโหลดและบันทึกไว้ในตัวแปร reference และ analysis แล้ว

นอกจากนี้ ผลลัพธ์จากอัลกอริทึม DLE สำหรับการพยากรณ์ทิปถูกเก็บไว้ในตัวแปร estimated_results

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การติดตามตรวจสอบ Machine Learning ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ระบุประเภทปัญหาเป็น regression ในขั้นตอนการเริ่มต้น calculator
  • Fit calculator ด้วยข้อมูล reference จากนั้นคำนวณประสิทธิภาพสำหรับชุดข้อมูล analysis
  • แสดงกราฟเปรียบเทียบระหว่าง realized_results และ estimated_results โดยใช้เมธอด compare()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด