1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 Machine Learning 모니터링
Connected

연습 문제

모니터링 워크플로 구현하기

이 강의 전반에서 모니터링 워크플로를 배웠어요. 첫 단계는 성능 모니터링입니다. 부정적인 변화가 감지되면, 다음으로 다변량 드리프트 감지를 통해 성능 저하가 드리프트 때문인지 확인하고, 이어서 단변량 드리프트 감지로 개별 피처에서의 원인을 정확히 찾아냅니다. 조사 결과가 나오면, 문제 해결을 위한 조치를 취할 수 있어요.

이 내용을 확실히 익히기 위해, 이번 연습 문제에서는 US Consensus 데이터셋에 이 과정을 적용해 보겠습니다. reference와 analysis 데이터셋은 미리 로드되어 있으며, CBPE estimator, 단변량 계산기 uv_calc, 그리고 피처 드리프트 순위를 매기는 alert_count_ranker를 사용할 수 있습니다.

지침 1/4

undefined XP
    1
    2
    3
    4
  • estimator에 reference 세트를 학습시키고, analysis 세트에 대해 추정 결과를 계산한 뒤, 결과를 표시하세요.