1. Learn
    2. /
  2. Курси
    3. /
  3. End-to-End Machine Learning
Connected

Вправа

Цикли зворотного зв'язку

У реальних застосунках ML недостатньо просто розгорнути модель і забути про неї. Дані змінюються — і модель теж має змінюватися. Цикл зворотного зв'язку дає змогу забезпечити безперервне навчання моделі та її адаптацію до нових даних. Уявімо, що ваша модель прогнозування серцевих хвороб працює в продакшені вже кілька місяців. У межах постійного моніторингу та вдосконалення ви хочете оцінити поточну якість моделі та визначити, чи потрібне додаткове перенавчання або коригування. balanced_accuracy_score імпортовано для вас із sklearn.metrics, ks_2samp — із scipy.stats, а також заздалегідь підготовлено дві вибірки міток моделі true_labels_feb і predicted_labels_feb для поточного періоду. Нарешті, завантажено jan_data_samples і feb_data_samples.

Інструкції 1/3

undefined XP
    1
    2
    3
  • Обчисліть і виведіть збалансовану точність моделі та порівняйте її з показником за попередній місяць.