ÎncepețiÎncepe gratuit

Detectarea driftului univariat pentru setul de date privind rezervările hoteliere

În exercițiile anterioare, am stabilit folosind metoda de detectare a driftului multivariat că schimbarea datelor din ianuarie este responsabilă pentru alerta din metrica ROC AUC și pentru valoarea negativă a modelului din perspectivă de business.

În acest exercițiu, vei folosi o metodă de detectare a driftului univariat pentru a identifica atributul și explicația din spatele driftului.

Seturile reference și analysis sunt deja preîncărcate pentru tine.

Acest exercițiu face parte din cursul

Monitorizarea Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Specifică metodele Wasserstein și Jensen-Shannon pentru variabilele continue, respectiv L-infinity și Chi2 pentru cele categoriale.
  • Antrenează modelul pe setul de referință și calculează rezultatele pe setul de analiză.
  • Vizualizează rezultatele.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
____.____().____()
Editează și rulează codul