เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแสดงภาพฟีเจอร์ที่เกิด drift

หลังจากจัดอันดับผลลัพธ์ univariate แล้ว จะเห็นว่าฟีเจอร์ hotel และ country ที่เกิด drift ส่งผลกระทบต่อประสิทธิภาพของโมเดลมากที่สุด ในแบบฝึกหัดนี้ จะมาดูผลลัพธ์ drift และกราฟการกระจายของฟีเจอร์ทั้งสองเพื่อหาสาเหตุของปัญหา

ผลลัพธ์จาก univariate drift calculator ถูกเก็บไว้ในตัวแปร uv_results

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การติดตามตรวจสอบ Machine Learning ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ตั้งค่าอาร์กิวเมนต์ period เป็น analysis สำหรับ drift_results
  • ส่ง hotel และ country ให้กับ column_names สำหรับ drift_results
  • ตั้งค่าอาร์กิวเมนต์ kind ในเมธอด .plot() เป็น "drift"
  • ทำแบบเดิมสำหรับ distribution_results แต่ตั้งค่าอาร์กิวเมนต์ kind ในเมธอด .plot() เป็น "distribution"

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Filter and create drift plots
drift_results = uv_results.filter(
    period=____,
    column_names=[____, ____]
    ).plot(kind=____)

# Filter and create distribution plots
distribution_results = uv_results.filter(
    period=____,
    column_names=[____, ____]
    ).plot(kind=____)

# Show the plots
drift_results.show()
distribution_results.show()
แก้ไขและรันโค้ด