酒店预订数据集的单变量漂移检测
在之前的练习中，我们使用多变量漂移检测方法确认：1 月的数据分布变化导致 ROC AUC 指标触发告警，并使模型带来负向业务价值。
在本练习中，您将使用单变量漂移检测方法，找出发生漂移的特征以及其背后的原因。
reference 和 analysis 集已为您预先加载。
本练习是课程的一部分
Python 中的机器学习监控
练习说明
- 连续型特征请指定 Wasserstein 和 Jensen-Shannon 方法，分类型特征请指定 L-infinity 和 Chi2 方法。
- 在参考集上拟合，并在分析集上计算结果。
- 绘制结果图。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Intialize the univariate drift calculator
uv_calc = nannyml.UnivariateDriftCalculator(
column_names=feature_column_names,
timestamp_column_name='timestamp',
chunk_period='m',
continuous_methods=[____, ____],
categorical_methods=[____, ____],
)
# Plot the results
uv_calc.____(reference)
uv_results = uv_calc.____(analysis)
____.____().____()