可视化已部署模型随时间变化的输出
在本练习中，您将使用两个不同月份（1 月和 2 月）的数据，来监控心脏病模型的预测随时间的变化。正如您所知，您的模型经过训练，用于进行心脏病的二元分类任务，并且您已经在这两个月的日志中记录了模型的预测。
假设过去两个月的模型预测日志是通过 Elastic Beanstalk 生成的，并已导入为 pandas 的 DataFrame，分别命名为 logs_january 和 logs_february，其中包含该月份预测结果的 target 列。matplotlib.pyplot 已作为 plt 导入。
本练习是课程的一部分
端到端机器学习
练习说明
- 通过绘制相邻的柱状图，按时间可视化模型在 1 月和 2 月的
target预测分布。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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()
____.____