BaşlayınÜcretsiz Başlayın

Bahşiş tahmini için performans kestirimi

Önceki egzersizlerde, NYC Green Taxi veri kümesi için bir başvuru (reference) ve analiz seti hazırladın. Bu egzersizde, o verileri kullanarak modelin üretimdeki performansını kestireceksin.

İlk olarak, verilen parametrelerle DLE algoritmasını başlatmalı ve ardından sonuçları görselleştirmelisin.

Başvuru ve analiz setleri zaten yüklenmiş durumda ve reference ile analysis değişkenlerinde kayıtlı. Ayrıca, nannyml de içe aktarılmış durumda.

Bu egzersiz

Python ile Machine Learning İzleme

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • DLE algoritmasını günlük parça (chunk) periyodu, y_true olarak tip_amount ve metrik olarak MSE ile başlat.
  • reference setini DLE tahminleyicisine fit et, analiz seti için performansı kestir ve çıktıyı results değişkeninde sakla.
  • Sonuçları plot() ve show() yöntemleriyle görselleştir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

estimator = nannyml.DLE(y_pred='y_pred',
    timestamp_column_name='lpep_pickup_datetime',
    feature_column_names=features,
    chunk_period='d',
    y_true='tip_amount',
    metrics=['mse'])

# Fit the reference data to the DLE algorithm
estimator.____(____)

# Estimate the performance on the analysis data
results = estimator.____(____)

# Plot and show the results
____.____().____()
Kodu Düzenle ve Çalıştır