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. 模型评估与记录

1.1 数据准备与评估

首先，我们需要将测试数据转换为合适的格式，以便对模型进行评估。以下是具体的代码：

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)

接下来，我们使用测试数据集对训练好的模型进行评估，以了解模型预测发动机何时需要维护的准确性：

scores_test = model.evaluate(seq_array_test_last, 
                             label_array_test_last, verbose=2)
print('Accuracy: {}'.format(