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, kursun bir parçasıdır

Python ile Machine Learning İzleme

Kursa Göz Atın

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 etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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