Rilevamento del drift univariato per l'insieme di dati delle prenotazioni hotel
Negli esercizi precedenti, usando il metodo di rilevamento del drift multivariato abbiamo stabilito che il cambiamento nei dati a gennaio è responsabile dell'allerta sulla metrica ROC AUC e del valore di business negativo del modello.
In questo esercizio userai un metodo di rilevamento del drift univariato per individuare la variabile e la spiegazione alla base del drift.
Gli insiemi reference e analysis sono già precaricati per te.
Questo esercizio fa parte del corso
Monitoraggio del Machine Learning in Python
Istruzioni dell'esercizio
- Specifica Wasserstein e Jensen-Shannon per le variabili continue e L-infinity e Chi2 per le categoriche.
- Effettua il fit sul reference e calcola i risultati sull'analysis set.
- Rappresenta i risultati con un grafico.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)
____.____().____()