8、机器学习模型评估、部署与异常检测

机器学习模型评估、部署与异常检测

1. 模型评估

在进行模型评估时，我们需要对测试数据进行一系列处理，然后使用训练好的模型对其进行评估，以了解模型预测发动机维护需求的准确性。

1.1 数据处理

import numpy as np

np.asarray(seq_array_test_last).astype(np.float32)
y_mask = [len(test[test['engine_id']==engine_id]) >= sequence_length for engine_id in test['engine_id'].unique()]
label_array_test_last = test.groupby('engine_id')['label1'].nth(-1)[y_mask].values
label_array_test_last = label_array_test_last.reshape(label_array_test_last.shape[0],1).astype(np.float32)

1.2 模型评估

from sklearn.metrics import confusion_matrix, precision_score, recall_score

scores_test = model.evaluate(seq_array_test_last, label_array_test_last, verbose=2)
print('Accur