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

Python ile Machine Learning İzleme

kursunun bir parçasıdır
Kursu Görüntüle

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 interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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