BaşlayınÜcretsiz başlayın

Drift eden özellikleri görselleştirme

Tek değişkenli sonuçları sıraladıktan sonra, hotel ve country özelliklerindeki driftin model performansını en çok etkilediğini biliyorsun. Bu egzersizde, sorunun kök nedenini belirlemek için bu özelliklerin drift sonuçlarına ve dağılım grafiklerine bakacaksın.

Tek değişkenli drift hesaplayıcısının sonuçları uv_results değişkeninde saklanıyor.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning İzleme

Kursa Göz Atın

Egzersiz talimatları

  • drift_results için period argümanını analysis olarak ayarla.
  • drift_results için column_names'e hotel ve country değerlerini geçir.
  • .plot() metodunda kind argümanını "drift" olarak ayarla.
  • distribution_results için de aynısını yap, ancak .plot() metodunda kind argümanını "distribution" olarak ayarla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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()
Kodu Düzenle ve Çalıştır