Detección de deriva univariante para el conjunto de datos de reservas de hotel
En los ejercicios anteriores, confirmamos con el método de detección de deriva multivariante que el cambio en los datos de enero es responsable de la alerta en la métrica ROC AUC y del valor de negocio negativo del modelo.
En este ejercicio, usarás un método de detección de deriva univariante para encontrar la característica y la explicación detrás de la deriva.
Los conjuntos reference y analysis ya están precargados.
Este ejercicio forma parte del curso
Monitorización de Machine Learning en Python
Instrucciones del ejercicio
- Especifica los métodos Wasserstein y Jensen-Shannon para las variables continuas y L-infinity y Chi2 para las categóricas.
- Ajusta con el conjunto de referencia y calcula los resultados en el conjunto de análisis.
- Representa los resultados.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Intialize the univariate drift calculator
uv_calc = nannyml.UnivariateDriftCalculator(
column_names=feature_column_names,
timestamp_column_name='timestamp',
chunk_period='m',
continuous_methods=[____, ____],
categorical_methods=[____, ____],
)
# Plot the results
uv_calc.____(reference)
uv_results = uv_calc.____(analysis)
____.____().____()