Одномерное обнаружение дрейфа для набора данных о бронировании отелей
В предыдущих упражнениях с помощью многомерного метода обнаружения дрейфа мы установили, что именно сдвиг данных в январе стал причиной срабатывания оповещения по метрике ROC AUC и отрицательной бизнес-ценности модели.
В этом упражнении вы применитe одномерный метод обнаружения дрейфа, чтобы определить признак, вызвавший дрейф, и разобраться в его причинах.
Наборы reference и analysis уже загружены для вас.
Это упражнение является частью курса
Мониторинг машинного обучения на Python
Инструкции к упражнению
- Укажите методы Вассерштейна и Дженсена–Шеннона для непрерывных признаков, а L-бесконечности и Chi2 — для категориальных.
- Обучите модель на референсном наборе и рассчитайте результаты на аналитическом наборе.
- Постройте график результатов.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)
____.____().____()