MLOps Academy · Lekcja

Generowanie raportów driftu za pomocą Evidently

Twórz raporty driftu i jakości, które można udostępniać

Lekcja 3 z 413 kroki

Generowanie raportów driftu za pomocą Evidently to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej MLOps Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Dryf, który można udostępnić

Surowe wyniki PSI i KS świetnie sprawdzają się w kodzie, ale współpracownicy potrzebują jasnego obrazu sytuacji. Evidently zamienia kontrole dryfu w wizualne raporty, które można łatwo udostępniać. 📈

Co robi Evidently

Evidently to biblioteka Python o otwartym kodzie źródłowym, która porównuje referencyjny zbiór danych z bieżącymi danymi i generuje gotowe raporty dotyczące dryfu oraz jakości.

Najpierw zainstaluj bibliotekę

Rozpoczęcie pracy wymaga tylko jednej instalacji za pomocą pip. Następnie zaimportuj raport i preset potrzebne do analizy.

pip install evidently

Dane referencyjne a bieżące

Każdy raport Evidently wymaga dwóch ramek danych: referencyjnej bazy odniesienia, zwykle danych treningowych, oraz bieżących danych produkcyjnych, które chcesz z nią porównać.

reference = train_df
current = production_df

Preset Data Drift

Preset łączy wiele kontroli w jednym pakiecie. DataDriftPreset wykonuje test dryfu dla każdej cechy i podsumowuje, ile cech uległo zmianie.

from evidently.report import Report
from evidently.metric_preset import DataDriftPreset

Uruchom raport

Zbuduj obiekt Report z wybranymi metrykami, a następnie uruchom go na obu zbiorach danych. Evidently automatycznie dobiera odpowiednie testy dryfu dla poszczególnych kolumn.

report = Report(metrics=[DataDriftPreset()])
report.run(reference_data=reference, current_data=current)

Zapisz jako HTML

Wyeksportuj raport do pojedynczego pliku HTML. Każdy może otworzyć go w przeglądarce bez używania Pythona, dzięki czemu udostępnianie jest bardzo proste.

report.save_html("drift_report.html")

Pobierz wynik jako słownik

Na potrzeby automatyzacji pobierz raport as a dict zamiast w formacie HTML. Teraz potok może odczytywać flagi dryfu i reagować na nie w kodzie.

result = report.as_dict()
drift = result["metrics"][0]["result"]

Nie tylko dryf

Evidently służy nie tylko do wykrywania dryfu. DataQualityPreset wskazuje brakujące wartości i nietypowe zakresy, dzięki czemu można wykryć uszkodzone dane wejściowe wraz ze zmieniającymi się danymi.

Testy zakończone powodzeniem lub niepowodzeniem

Gdy potrzebujesz jednoznacznego werdyktu, użyj obiektu Evidently TestSuite. Zwraca on wynik pass lub fail dla każdej kontroli, dzięki czemu idealnie nadaje się do kontroli potoku CI.

Zaplanuj uruchamianie

Prawdziwa moc tego rozwiązania ujawnia się podczas uruchamiania raportów według harmonogramu, na przykład codziennie, i zapisywania każdego z nich. Z czasem powstaje aktualizowana historia kondycji danych. ⏱️

Szybkie sprawdzenie

Jedno pytanie dotyczące podłączania wykrywania dryfu do automatyzacji.

Odpowiedz w interaktywnej lekcji

Podsumowanie

Poznano Evidently: należy przekazać mu dane referencyjne i bieżące, uruchomić preset, a następnie zapisać wynik jako HTML dla ludzi lub za pomocą as_dict na potrzeby automatyzacji. Zaplanuj regularne uruchamianie, aby śledzić kondycję danych w czasie. 🎯

Bezpłatny start

Ucz się Python dzięki korepetycjom AI — za darmo

Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.

Kursy: 30
Lekcje: 120

Zacznij naukę bezpłatnie Wyświetl pełny kurs

Często zadawane pytania

Czy lekcja „Generowanie raportów driftu za pomocą Evidently” jest bezpłatna?

Tak — pełny tekst „Generowanie raportów driftu za pomocą Evidently” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu MLOps Academy, przejdź na CoddyKit PRO. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Generowanie raportów driftu za pomocą Evidently”?

Twórz raporty driftu i jakości, które można udostępniać Ćwiczysz MLOps Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć MLOps Academy?

Nie wymagamy żadnego doświadczenia. MLOps Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.

Ile czasu zajmuje lekcja „Generowanie raportów driftu za pomocą Evidently”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji MLOps Academy?

Tak. Każda lekcja MLOps Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

Drift danych a drift pojęcia
Pomiar driftu za pomocą PSI i KS
Generowanie raportów driftu za pomocą Evidently
Ustawianie progów i wyzwalaczy driftu

← Powrót do MLOps Academy