Dérive univariée ou multivariée
Détectez les changements que l’analyse de caractéristiques isolées ne permettrait pas de voir.
Dérive univariée ou multivariée est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
One Feature at a Time
The simplest way to watch for drift is to check each feature on its own. That is called univariate drift detection, and it is where most teams start. 📊
How Univariate Checks Work
For univariate drift, you compare each feature's current distribution against its training reference, one column at a time, with tests like PSI or the KS statistic.
Where Univariate Falls Short
Single-feature checks miss shifts that only show up in combinations. Each column can look perfectly normal while their joint distribution has quietly moved.
A Hidden Shift Example
Imagine height and weight each look unchanged alone, but tall-and-light people suddenly appear. The pair drifted even though neither feature did. That is multivariate drift.
What Multivariate Drift Means
Multivariate drift looks at features together, capturing changes in correlations and interactions that any single-column test would completely overlook.
The Domain Classifier Trick
A neat multivariate method trains a classifier to tell reference rows from current rows. If it succeeds, the two sets differ, and that signals drift. 🕵️
from sklearn.ensemble import RandomForestClassifier
# label reference=0, current=1, then check AUC
clf = RandomForestClassifier().fit(X_all, is_current)Reading the AUC Signal
If that classifier's AUC sits near 0.5, the two periods are indistinguishable, so no drift. An AUC climbing toward 1.0 means the sets are easy to separate.
Reconstruction-Based Drift
Another approach uses a model like PCA: fit it on reference data, then watch reconstruction error rise on current data when the input structure shifts.
Combine Both Views
Run univariate checks to know which feature moved, and a multivariate check to catch the shifts hiding between them. They answer different questions together.
Watch the Multiple-Test Trap
Testing hundreds of features one by one means some will flag by pure chance. Adjust thresholds or correct for multiple comparisons so you are not buried in noise.
Start Simple, Add Depth
Begin with univariate checks because they are cheap and explainable. Layer in multivariate detection once you need to catch the subtle joint shifts. ✅
Quick Check
Let us test when you actually need a multivariate view.
Recap
Univariate drift checks each feature alone; multivariate drift catches shifts between them. Use a domain classifier or PCA for the joint view, and mind the multiple-test trap. 🎯
Questions Fréquemment Posées
La leçon « Dérive univariée ou multivariée » est-elle gratuite ?
Oui — le texte complet de « Dérive univariée ou multivariée » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Dérive univariée ou multivariée » ?
Détectez les changements que l’analyse de caractéristiques isolées ne permettrait pas de voir. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer MLOps Academy ?
Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Dérive univariée ou multivariée » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?
Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Dérive univariée ou multivariée
- Surveiller les performances avec des étiquettes différées
- Ajuster les fenêtres pour réduire les fausses alertes
- Relier les alertes de dérive au réentraînement