Deriva univariante frente a multivariante
Detecte cambios que una sola característica no permitiría identificar.
Deriva univariante frente a multivariante es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Una característica cada vez
La forma más sencilla de vigilar la deriva es comprobar cada característica por separado. Esto se denomina detección de deriva univariante y es por donde empiezan la mayoría de los equipos. 📊
Cómo funcionan las comprobaciones univariantes
Para detectar la deriva univariante, compare la distribución actual de cada característica con su referencia de entrenamiento, una columna cada vez, mediante pruebas como PSI o el estadístico KS.
Dónde se quedan cortas las comprobaciones univariantes
Las comprobaciones de una sola característica no detectan cambios que solo aparecen en combinaciones. Cada columna puede parecer perfectamente normal mientras su distribución conjunta ha cambiado silenciosamente.
Un ejemplo de cambio oculto
Imagine que la altura y el peso no cambian por separado, pero de repente aparecen personas altas y delgadas. La pareja ha sufrido deriva aunque ninguna característica lo haya hecho por sí sola. Esto es la deriva multivariante.
Qué significa la deriva multivariante
La deriva multivariante analiza las características conjuntamente y detecta cambios en las correlaciones y las interacciones que cualquier prueba de una sola columna pasaría completamente por alto.
El truco del clasificador de dominios
Un método multivariante ingenioso entrena un clasificador para distinguir las filas de referencia de las filas actuales. Si lo consigue, los dos conjuntos son diferentes, lo que indica deriva. 🕵️
from sklearn.ensemble import RandomForestClassifier
# label reference=0, current=1, then check AUC
clf = RandomForestClassifier().fit(X_all, is_current)Interpretar la señal AUC
Si el AUC de ese clasificador está cerca de 0,5, los dos periodos son indistinguibles y no hay deriva. Un AUC que se acerca a 1,0 significa que los conjuntos se pueden separar fácilmente.
Deriva basada en reconstrucción
Otro enfoque utiliza un modelo como PCA: ajústelo con los datos de referencia y, después, observe cómo aumenta el error de reconstrucción con los datos actuales cuando cambia la estructura de entrada.
Combine ambas perspectivas
Ejecute comprobaciones univariantes para saber qué característica ha cambiado y una comprobación multivariante para detectar los cambios ocultos entre ellas. Juntas responden a preguntas diferentes.
Tenga cuidado con la trampa de las pruebas múltiples
Probar cientos de características una por una significa que algunas darán la alerta por pura casualidad. Ajuste los umbrales o corrija las comparaciones múltiples para no quedar sepultado por el ruido.
Empiece de forma sencilla y añada profundidad
Empiece con comprobaciones univariantes porque son económicas y fáciles de explicar. Añada detección multivariante cuando necesite detectar cambios conjuntos sutiles. ✅
Comprobación rápida
Veamos cuándo necesita realmente una perspectiva multivariante.
Resumen
La deriva univariante comprueba cada característica por separado; la deriva multivariante detecta cambios entre ellas. Utilice un clasificador de dominios o PCA para obtener una perspectiva conjunta y tenga presente la trampa de las pruebas múltiples. 🎯
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Deriva univariante frente a multivariante» es gratis?
Sí — el texto completo de «Deriva univariante frente a multivariante» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Deriva univariante frente a multivariante»?
Detecte cambios que una sola característica no permitiría identificar. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Deriva univariante frente a multivariante»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Deriva univariante frente a multivariante
- Supervise el rendimiento con etiquetas retrasadas
- Ajuste las ventanas para reducir las falsas alarmas
- Conecte las alertas de deriva al reentrenamiento