視覺化已部署模型隨時間變化的輸出
在這個練習中，你會使用兩個月份（1 月與 2 月）的資料，來監控心臟病模型的預測如何隨時間改變。你已經知道，這個模型被訓練來做心臟病的二元分類，而你也把這兩個月模型的預測結果記錄在日誌裡。
假設過去兩個月模型預測的日誌是透過 Elastic Beanstalk 產生，並已匯入為 pandas 的 DataFrame，名稱為 logs_january 與 logs_february，且各自都有當月預測結果的 target 欄位。matplotlib.pyplot 已以 plt 匯入。
本練習屬於課程
端到端機器學習
練習說明
- 以相鄰長條圖的方式，繪製模型在 1 月與 2 月的
target預測，視覺化這些預測分佈隨時間的變化。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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()
____.____