BaşlayınÜcretsiz Başlayın

Eşikleri değiştirme

Videoda, NannyML'nin eşik değerlerini nasıl hesapladığını ve çözümüne uyacak şekilde bunları nasıl özelleştirebileceğini gördün.

Bu egzersizde görevin, iki özel standart sapma ve özel eşik tanımlamak ve ardından bunları US Census veri kümesi için CBPE algoritmasından elde edilen sonuçlara uygulamak.

reference ve analysis olarak referans ve analiz setleri ile nannyml kütüphanesi önceden yüklendi.

Bu egzersiz

Python ile Machine Learning İzleme

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • nannyml.thresholds içinden ConstantThreshold ve StandardDeviationThreshold öğelerini içe aktar.
  • Standart sapma yöntemini başlat ve std_lower_multiplier ile std_upper_multiplier parametrelerini 2 olarak ayarla.
  • Sabit eşik yöntemini başlat ve alt sınırı 0.9, üst sınırı 0.98 olarak ayarla.
  • CBPE algoritmasına f1 metriği için sabit eşik yöntemini, accuracy içinse standart sapma yöntemini geçir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import custom thresholds
from ____.____ import ____, ____

# Initialize custom thresholds
stdt = ____(____=____, ____=____)
ct = ____(____=____, ____=____)

# Initialize the CBPE algorithm
estimator = nannyml.CBPE(
    problem_type='classification_binary',
    y_pred_proba='predicted_probability',
    y_pred='prediction',
    y_true='employed',
    metrics=['roc_auc', 'accuracy', 'f1'],
    thresholds={____: ____, ____: ____})
Kodu Düzenle ve Çalıştır