시작하기무료로 시작하기

호텔 예약 데이터셋의 드리프트

이전 장에서 예약 취소를 예측하는 모델의 비즈니스 가치와 ROC AUC 성능을 계산했어요. 그 결과 플롯에서 몇 가지 경고를 확인했기 때문에, 이제 분석 데이터에 드리프트가 있는지 조사해야 해요.

이 연습에서는 다변량 드리프트 탐지 방법을 초기화하고, 그 결과를 이전 장에서 계산한 성능 결과와 비교해 볼 거예요.

StandardDeviationThreshold는 이미 임포트되어 있고, 비즈니스 가치와 ROC AUC 결과는 perf_results 변수에 저장되어 있으며 feature_column_names도 이미 정의되어 있어요.

이 연습은 강의의 일부입니다

Python으로 Machine Learning 모니터링

강의 보기

연습 안내

  • StandardDeviationThreshold 메서드를 초기화하고 std_lower_multiplier를 2, std_upper_multiplier 파라미터를 1로 설정하세요.
  • 다음 특성 이름 country, lead_time, parking_spaces, hotel을 이 순서대로 추가하세요.
  • 앞에서 정의한 임계값과 특성 이름을 DataReconstructionDriftCalculator에 전달하세요.
  • 다변량 드리프트 탐지 결과(mv_results)와 성능 결과(perf_results)를 모두 포함한 비교 플롯을 표시하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create standard deviation thresholds
stdt = StandardDeviationThreshold(____=____, ____=____)

# Define feature columns
feature_column_names = [____, ____, ____, ____]

# Intialize, fit, and show results of multivariate drift calculator
mv_calc = nannyml.DataReconstructionDriftCalculator(
    column_names=____,
	threshold = ____,
    timestamp_column_name='timestamp',
    chunk_period='m')
mv_calc.fit(reference)
mv_results = mv_calc.calculate(analysis)
mv_results.filter(period='analysis').____(____).plot().show()
코드 편집 및 실행