ПочатиПочніть безкоштовно

Оцінювання продуктивності для прогнозування чайових

У попередніх вправах ви підготували еталонний і аналітичний набори для набору даних NYC Green Taxi. Тут ви використаєте ці дані, щоб оцінити продуктивність моделі в продакшені.

Спочатку ініціалізуйте алгоритм DLE із наданими параметрами, а потім побудуйте графік результатів.

Еталонний та аналітичний набори вже завантажені й збережені у змінних reference та analysis. Крім того, nannyml уже імпортовано.

Ця вправа є частиною курсу

Моніторинг Machine Learning у Python

Переглянути курс

Інструкції до вправи

  • Ініціалізуйте алгоритм DLE з денним періодом чанків, tip_amount як y_true і метрикою MSE.
  • Натренуйте оцінювач DLE на наборі reference, виконайте оцінювання продуктивності для аналітичного набору та збережіть результат у змінній results.
  • Візуалізуйте результати за допомогою методів plot() і show().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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
____.____().____()
Редагувати та запускати код