使用 Kolmogorov–Smirnov 检验检测数据漂移

在成功部署心脏病预测模型后，您一直在监控其性能和输入数据。您注意到，2 月份最新收集的数据中，一些关键特征的分布与 1 月份用于训练的数据略有不同。这样的差异可能会影响模型性能，因此及时检测并处理非常重要。

在本练习中，您将使用 Kolmogorov–Smirnov（K-S）检验来检测 1 月和 2 月数据集之间是否存在潜在的数据漂移。名为 january_data 和 february_data 的示例数据集已为您加载。

本练习是课程的一部分

端到端机器学习

查看课程

练习说明

从 scipy.stats 模块导入 ks_2samp 函数。
使用提供的示例数据集 january_data 和 february_data 进行 Kolmogorov–Smirnov 检验，计算检验统计量和 p 值。
检查 p 值是否小于 0.05，若小于则表示存在数据漂移；如果检测到数据漂移，打印 "Data drift detected."，否则打印 "No data drift detected."

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import the ks_2samp function
from ____.____ import ____

# Calculate the test statistic and p value
test_statistic, p_value = ____(____, ____)

# Check the p-value and print the detection result
if ____:
	print("Data drift detected.")
else:
	print("No data drift detected.")

编辑并运行代码