BaşlayınÜcretsiz başlayın

Otel rezervasyonu veri kümesi için tek değişkenli kayma tespiti

Önceki egzersizlerde, çok değişkenli kayma tespiti yöntemini kullanarak Ocak ayındaki veri kaymasının ROC AUC metriğindeki uyarıdan ve modelin negatif iş değerinden sorumlu olduğunu belirledik.

Bu egzersizde, kaymanın arkasındaki özelliği ve açıklamayı bulmak için tek değişkenli bir kayma tespiti yöntemi kullanacaksın.

reference ve analysis kümeleri senin için önceden yüklendi.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning İzleme

Kursa Göz Atın

Egzersiz talimatları

  • Sürekli değişkenler için Wasserstein ve Jensen-Shannon yöntemlerini; kategorik değişkenler için L-inifity ve Chi2 yöntemlerini belirt.
  • Referansa fit et ve analiz kümesi üzerinde sonuçları hesapla.
  • Sonuçları görselleştir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)
____.____().____()
Kodu Düzenle ve Çalıştır