Eşik ve hareketli ortalamaları hesaplama
Model kaymasını tespit etmek için zaman içinde tahmin doğruluğunu takip edeceksin. Yuvarlanan pencereler hesaplayıp kayma uyarılarını tetikleyecek bir eşik seviyesi tanımlayarak, modelin gerçeklikle hizadan ne zaman çıktığını ve yeniden eğitime ihtiyaç duyduğunu belirleyebilirsin.
Eşiği belirlemek için fc_log_test içindeki ilk 14 tahmini kullanacak, ardından bunu kalan tahmin günlüklerine uygulayacaksın. Model performans puanlarını içeren fc_log_test ve fc_log tahmin günlükleri ile pandas modülü pd olarak önceden yüklendi.
Bu egzersiz, kursun bir parçasıdır
Üretim için Tahmin (Forecasting) Hatları Tasarlama
Egzersiz talimatları
fc_log_test'ten RMSE ortalamasına üç standart sapma ekleyerek eşiği tanımla vermse_thresholdolarak kaydet.fc_logiçin 7 ve 14 günlük yuvarlanan pencereler kullanarak RMSE hareketli ortalamasını hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Set threshold: mean + 3 standard deviations
rmse_threshold = fc_log_test["____"].mean() + 3 * fc_log_test["____"].____()
# Create rolling window averages for RMSE
fc_log["rmse_ma_7"] = fc_log["rmse"].rolling(window=____).____()
fc_log["rmse_ma_14"] = fc_log["rmse"].rolling(window=____).____()
print(f"RMSE threshold: {round(rmse_threshold, 2)}")
print()
print("Forecast log with rolling averages:")
print(fc_log[["forecast_start", "rmse", "rmse_ma_7", "rmse_ma_14"]].head(20))