Monitorowanie i wizualizacja

End-to-End Machine Learning

Joshua Stapleton

Machine Learning Engineer

Co dalej?

  • Wytrenowany, zoptymalizowany, wdrożony, prognozujący... co dalej?
  • Monitorowanie
    • Rejestrowanie wyników
    • Wizualizacja wydajności

Faza monitorowania w cyklu życia modelu uczenia maszynowego

End-to-End Machine Learning

Logowanie w Pythonie

import logging
import matplotlib.pyplot as plt

# Setting up basic logging configuration
logging.basicConfig(filename='predictions.log', level=logging.INFO)

# Make predictions on the test set and log the results
for i in range(X_test.shape[0]):
    instance = X_test[i,:].reshape(1, -1)
    prediction = model.predict(instance)
    logging.info(f'Inst. {i} - PredClass: {prediction[0]}, RealClass: {y_test[i]}')
End-to-End Machine Learning

Logowanie w Pythonie (cd.)

# Function to visualize the predictions from log
with open(logfile, 'r') as f:
    lines = f.readlines()
    predicted_classes = [int(line.split("Predicted Class: ")[1].split(",")[0]) \
        for line in lines]

    # Perform data analysis, visualization, etc.
    ...
  • Używanie logowania w Pythonie do śledzenia wydajności modelu
End-to-End Machine Learning

Wizualizacja

  • Analiza wydajności w czasie
  • Przekształcanie surowych danych wejściowych i prognoz w wnioski
import matplotlib.pyplot as plt


# Sample data: Random accuracy values for 12 months
months = ["Jan", "Feb", "Mar", ...]
accuracies = [0.86, 0.91, 0.74, ...]

plt.plot(months, accuracies, '-o')
plt.title("Model Accuracy Over Months")
plt.xlabel("Months")
plt.ylabel("Accuracy")
plt.show()
End-to-End Machine Learning

Przykład wizualizacji

Wykres liniowy przedstawiający hipotetyczną dokładność modelu w ciągu 12 miesięcy

End-to-End Machine Learning

Logowanie

  • Rejestrowanie zdarzeń

    • Śledzenie wartości zmiennych, wywołań funkcji
    • Informacje o wykonaniu i wydajności

  • Monitorowanie pozwala śledzić:

    • Użycie, wydajność, błędy/anomalie
2023-08-04 09:15:20 [INFO] Model version 1.2.7 started

2023-08-04 09:15:45 [INFO] Preprocessing input data for prediction

2023-08-04 09:15:47 [DEBUG] Input data shape: (1, 12)

2023-08-04 09:15:48 [INFO] Making prediction

2023-08-04 09:15:50 [DEBUG] Output prediction: [0.78]

...
End-to-End Machine Learning

Przykłady wizualizacji

  • Przydatna metryka modelu: zbalansowana dokładność w czasie
  • Wykrywanie trendów i spadków wydajności
  • Ocena konieczności ponownego trenowania
  • Dobór odpowiednich metryk do przypadku użycia

Przykład:

  • Zbalansowana dokładność zmienia się względem oczekiwanej wartości
  • Potencjalnie wskazuje na problem
  • Wybór i ocena metryk

Wizualizacja zbalansowanej dokładności modelu

End-to-End Machine Learning

Czas na ćwiczenia!

End-to-End Machine Learning

Preparing Video For Download...