想像你是飯店連鎖的資料科學顧問。你的任務是建立一個模型，預測顧客是否會到店。許多訂房會提前數月完成，這代表你會面臨延遲標記（ground truth）取得的問題。
你會使用的效能估計演算法名稱是什麼？你會如何描述這個問題的類型？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在本章中，你會認識 NannyML 函式庫及其核心功能。你將先學習如何從原始資料出發，準備可用於上線監控的參考集與分析集。做為實作範例，你會探討如何預測紐約計程車的小費金額。章末你也會學到如何使用 NannyML 來估計小費預測模型的效能。
當前練習
在本章中，你會認識當取得真實標籤時使用的「實際效能」計算器。你將學到更進一步處理結果的方法，包括篩選、繪圖、轉成資料框、分塊（chunking），以及設定自訂門檻。最後，你會把這些知識應用到以飯店訂房資料集訓練的模型上，計算其商業價值。
在偵測到飯店訂房模型的效能下降後，你將學習如何找出造成問題的根本原因。本章會介紹多變量與單變量的飄移偵測方法。你也會學到如何辨識資料品質問題，並處理你所發現的根本問題。
