Подготовка данных для NannyML

Мониторинг машинного обучения на Python

Hakim Elakhrass

Co-founder and CEO of NannyML

Загрузка данных

dataset_name = "green_taxi_dataset.csv"
data = pd.read_csv(dataset_name)
data.head()

Снимок экрана с первыми пятью строками набора данных.

Мониторинг машинного обучения на Python

Обработка данных

# Create data partition
data['partition'] = pd.cut(
    data['lpep_pickup_datetime'],
    bins= [pd.to_datetime('2016-12-01'),
           pd.to_datetime('2016-12-08'),
           pd.to_datetime('2016-12-16'),
           pd.to_datetime('2017-01-01')],
    right=False,
    labels= ['train', 'test', 'prod']
)
Мониторинг машинного обучения на Python

Разбивка данных

# Target column name
target = 'tip_amount'
# Features column name
features = ["PULocationID", "DOLocationID", "trip_distance", "VendorID", "pickup_time"]

# Train set
X_train = data.loc[data['partition'] == 'train', features]
y_train = data.loc[data['partition'] == 'train', target]

# Test set (later reference set)
X_test = data.loc[data['partition'] == 'test', features]
y_test = data.loc[data['partition'] == 'test', target]

# Production set (later analysis set)
X_prod = data.loc[data['partition'] == 'prod', features]
y_prod = data.loc[data['partition'] == 'prod', target]
Мониторинг машинного обучения на Python

Построение модели

  • Обучить LGBMRegressor с помощью библиотеки lightgbm
  • Оценить модель на тестовой выборке
  • Развернуть модель в продакшене
# Training the model
model = LGBMRegressor(random_state=42)
model.fit(X_train, y_train)

# Making predictions
y_pred_train = model.predict(X_train)
y_pred_test = model.predict(X_test)

# Evaluating the model on train and test set
mae_train = MAE(y_train, y_pred_train)
mae_test = MAE(y_test, y_pred_test)

# Deploying the model to production
y_pred_prod = model.predict(X_prod)
Мониторинг машинного обучения на Python

Создание референсного и аналитического наборов

Референсный период

  • Использует тестовую выборку

  • Требует истинные метки

  • Задаёт базовую производительность

Период анализа

  • Актуальные продакшен-данные

  • Истинные метки необязательны

  • NannyML анализирует дрейф данных и производительность

# Creating reference set
reference = X_test.copy() # Test set features
reference['y_pred'] = y_pred_test # Predictions
reference['tip_amount'] = y_test # Labels
reference = reference.join(
    data['lpep_pickup_datetime']) # Timestamp

# Creating analysis set
analysis = X_prod.copy() # Production features
analysis['y_pred'] = y_pred_prod # Predictions
analysis = analysis.join(
    data['lpep_pickup_datetime']) # Timestamp
Мониторинг машинного обучения на Python

Пример референсного набора

  • Временная метка — момент наблюдения (необязательно)
  • Признаки — входные данные модели
  • Выходные данные модели
    • Предсказания — числовые оценки, возвращаемые моделью
    • Метки классов — вероятности после применения порога
  • Целевая переменная — содержит истинные метки

Первые пять строк референсного набора данных.

Мониторинг машинного обучения на Python

Давайте потренируемся!

Мониторинг машинного обучения на Python

Preparing Video For Download...