Trực quan hóa đầu ra của mô hình đã triển khai theo thời gian
Trong bài tập này, bạn sẽ sử dụng dữ liệu từ hai tháng riêng biệt — tháng 1 và tháng 2 — để theo dõi sự thay đổi theo thời gian trong các dự đoán của mô hình bệnh tim. Như bạn đã biết, mô hình của bạn được huấn luyện cho bài toán phân loại nhị phân về bệnh tim, và bạn đã ghi lại các dự đoán của mô hình trong nhật ký cho hai tháng này.
Giả sử rằng nhật ký dự đoán của mô hình trong hai tháng qua đã được tạo thông qua Elastic Beanstalk và đã được nhập thành các pandas DataFrame, tên là logs_january và logs_february, với cột target chứa các dự đoán của tháng đó. matplotlib.pyplot đã được nhập với tên plt.
Bài tập này là một phần của khóa học
Machine Learning End-to-End
Hướng dẫn bài tập
- Trực quan hóa phân phối các dự đoán của mô hình trong tháng 1 và tháng 2 theo thời gian bằng cách vẽ các biểu đồ cột đặt cạnh nhau cho các giá trị dự đoán
targetcủa mô hình.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
fig, ax = plt.subplots(1, 2, figsize=(15, 6)) # 1 row, 2 columns
# January Plot
logs_january['____'].____.plot(kind=____, ax=ax[0])
ax[0].set_title('Distribution of Predicted Classes - January')
ax[0].set_xlabel('Class')
ax[0].set_ylabel('Frequency')
# February Plot
logs_february['____'].____.plot(____=____, ax=ax[1])
ax[1].set_title('Distribution of Predicted Classes - February')
ax[1].set_xlabel('Class')
ax[1].set_ylabel('Frequency')
plt.tight_layout()
____.____