Çok değişkenli sapma tespiti

Python ile Machine Learning İzleme

Hakim Elakhrass

CEO and co-founder

Çok değişkenli sapma tespiti nedir?

Kök neden analizinin ilk adımı
Sonuç, tüm özellikler için tek bir sayıdır
İnce veri değişimlerini yakalar

Görüntü, izleme iş akışını ve çok değişkenli sapma tespitinin konumunu gösterir.

Nasıl çalışır?

Veriyi PCA ile sıkıştırma
Veriyi ters PCA ile özgün şekline açma
Yeniden yapılandırma hatasını ölçme; artış, veri sapmasına işaret eder

Görüntü, çok değişkenli sapma tespitinin nasıl çalıştığını gösterir.

Kod uygulaması

# Initialize multivariate drift detection calculator
mv_calc = nannyml.DataReconstructionDriftCalculator(
    column_names=features_column_names,
    timestamp_column_name='timestamp',
    chunk_period='m'
    )

# Fit and calculate the results
mv_calc.fit(reference)
mv_results = mv_calc.calculate(analysis)

Sonuçların görselleştirilmesi

mv_figure = mv_results.filter(period='analysis').plot()
mv_figure.show()

Görüntü, zaman içinde yeniden yapılandırma hata grafiğini gösterir.

Çok değişkenli sapma ve gerçekleşen performans

figure = mv_results.filter(period='analysis').compare(perf_results).plot()
figure.show()

Görüntü, gerçekleşen performans ile yeniden yapılandırma hatasının karşılaştırma grafiğini gösterir.

Hadi pratik yapalım!

Python ile Machine Learning İzleme