在此场景中，您已在生产环境中成功部署了性能估计算法。因此，您得到了一个关于 ROC AUC 指标估计的图。
现在请根据该图选择以下项目的正确信息：
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
本章将向您介绍 NannyML 库及其核心功能。您将先学习如何准备原始数据，构建可用于生产监控的参考集与分析集。作为实践示例，您将研究纽约出租车行程的小费金额预测。最后，您还将学习如何使用 NannyML 估计小费预测模型的性能。
当前练习
本章将介绍在真实标签可用时使用的已实现性能计算器。您将学习更高级的结果处理方法，包括筛选、绘图、转换为数据框、分块处理，以及设定自定义阈值。最后，您将把所学应用到酒店预订数据集上，计算模型所创造的业务价值。
在发现酒店预订模型出现性能下降后，您将学习如何定位其背后的根本原因。本章将介绍多变量与单变量漂移检测方法。您还将学习如何识别数据质量问题，并处理所发现的根本性问题。
