1. Learn
    2. /
  2. 课程
    3. /
  3. Python 中的机器学习监控
Connected

道练习

酒店预订数据集中的漂移

在上一章中，您计算了用于预测预订取消的模型的业务价值和 ROC AUC 表现。您在生成的图中注意到一些警报，因此需要进一步检查分析数据中是否存在漂移。

在本练习中，您将初始化多变量漂移检测方法，并将其结果与上一章计算的性能结果进行比较。

StandardDeviationThreshold 已经导入，业务价值和 ROC AUC 的结果已存储在变量 perf_results 中，同时 feature_column_names 也已定义。

说明

100 XP
  • 初始化 StandardDeviationThreshold 方法，并将 std_lower_multiplier 设为 2、std_upper_multiplier 参数设为 1。
  • 添加以下特征名称：country、lead_time、parking_spaces 和 hotel。保持其原有顺序。
  • 将之前定义的阈值和特征名称传递给 DataReconstructionDriftCalculator。
  • 显示包含多变量漂移检测结果（mv_results）和性能结果（perf_results）的对比图。