เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การตรวจจับ Univariate Drift สำหรับชุดข้อมูลการจองโรงแรม

จากแบบฝึกหัดก่อนหน้า เราใช้วิธีตรวจจับ multivariate drift และพบว่าการเปลี่ยนแปลงของข้อมูลในเดือนมกราคมเป็นสาเหตุที่ทำให้เกิดการแจ้งเตือนในเมตริก ROC AUC และส่งผลให้โมเดลสร้างมูลค่าทางธุรกิจในเชิงลบ

ในแบบฝึกหัดนี้ จะได้ใช้วิธีตรวจจับ univariate drift เพื่อค้นหาฟีเจอร์และสาเหตุเบื้องหลังของ drift ที่เกิดขึ้น

ชุดข้อมูล reference และ analysis ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การติดตามตรวจสอบ Machine Learning ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ระบุเมธอด Wasserstein และ Jensen-Shannon สำหรับตัวแปรต่อเนื่อง และ L-infinity กับ Chi2 สำหรับตัวแปรเชิงกลุ่ม
  • Fit ข้อมูล reference และคำนวณผลลัพธ์บนชุดข้อมูล analysis
  • พล็อตผลลัพธ์ที่ได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
____.____().____()
แก้ไขและรันโค้ด