想像一個情境：某家公司推出了一款 App，幫助人們在平板上做筆記。這個 App 內部會執行一個 ML 模型，用來辨識手寫文字，並協助使用者在筆記間進行文字搜尋。
公司注意到，與 App 互動的人越多，ML 模型表現反而越差。經過仔細檢查後，公司發現，使用者在 App 上寫了一段時間之後，會越寫越放鬆，字跡也變得比較潦草、難以辨識。
在這種情況下，該如何解決問題？
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。
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。
當前練習
