शुरू करेंमुफ़्त में शुरू करें

Hotel booking डेटासेट के लिए univariate ड्रिफ्ट डिटेक्शन

पिछले अभ्यासों में, हमने multivariate ड्रिफ्ट डिटेक्शन मेथड से यह तय किया था कि जनवरी में डेटा में आया शिफ्ट ही ROC AUC मेट्रिक में अलर्ट और मॉडल के नकारात्मक बिज़नेस वैल्यू के लिए ज़िम्मेदार है.

इस अभ्यास में, आप univariate ड्रिफ्ट डिटेक्शन मेथड का उपयोग करके उस फीचर और उसके पीछे की वजह पहचानेंगे जो ड्रिफ्ट का कारण बनी.

reference और analysis सेट आपके लिए पहले से प्री-लोडेड हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मशीन लर्निंग मॉनिटरिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • continuous के लिए Wasserstein और Jensen-Shannon मेथड, और categorical के लिए L-infinity तथा Chi2 स्पेसिफाई करें.
  • reference पर फिट करें और analysis सेट पर रिजल्ट्स कैल्क्युलेट करें.
  • रिजल्ट्स प्लॉट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
____.____().____()
कोड संपादित करें और चलाएँ