다변량 드리프트 탐지

Python으로 Machine Learning 모니터링

Hakim Elakhrass

CEO and co-founder

다변량 드리프트 탐지란?

  • 근본 원인 분석의 첫 단계
  • 모든 피처에 대한 단일 지표 제공
  • 미세한 데이터 변화 감지

모니터링 워크플로에서 다변량 드리프트 탐지의 위치를 보여줍니다.

Python으로 Machine Learning 모니터링

작동 방식

  1. PCA로 데이터 압축
  2. 역 PCA로 원형 복원
  3. 재구성 오류 측정: 증가하면 드리프트 신호

다변량 드리프트 탐지의 동작 방식을 보여줍니다.

Python으로 Machine Learning 모니터링

코드 구현

# 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)
Python으로 Machine Learning 모니터링

결과 시각화

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

시간에 따른 재구성 오류 그래프입니다.

Python으로 Machine Learning 모니터링

다변량 드리프트 vs. 실현 성능

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

실현 성능과 재구성 오류를 비교한 그래프입니다.

Python으로 Machine Learning 모니터링

연습해 봅시다!

Python으로 Machine Learning 모니터링

Preparing Video For Download...