Drift jednowymiarowy a wielowymiarowy
Wykrywaj zmiany, których nie ujawniłyby pojedyncze cechy
Drift jednowymiarowy a wielowymiarowy to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 1 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.
Jedna cecha naraz
Najprostszy sposób monitorowania dryfu to sprawdzanie każdej cechy osobno. Nazywa się to wykrywaniem dryfu jednowymiarowego i od tego zaczyna większość zespołów. 📊
Jak działają kontrole jednowymiarowe
W przypadku dryfu jednowymiarowego porównują Państwo bieżący rozkład każdej cechy z jej wzorcem treningowym, analizując jedną kolumnę naraz za pomocą testów takich jak PSI lub statystyka KS.
Ograniczenia podejścia jednowymiarowego
Kontrole pojedynczych cech nie wykrywają zmian, które ujawniają się dopiero w kombinacjach. Każda kolumna może wyglądać zupełnie normalnie, podczas gdy ich rozkład łączny po cichu się zmienił.
Przykład ukrytej zmiany
Wyobraźmy sobie, że wzrost i masa ciała osobno wyglądają tak samo, ale nagle pojawiają się osoby wysokie i lekkie. Para cech uległa dryfowi, mimo że żadna z nich z osobna nie. To właśnie dryf wielowymiarowy.
Znaczenie dryfu wielowymiarowego
Dryf wielowymiarowy analizuje cechy łącznie, wychwytując zmiany korelacji i interakcji, które każdy test pojedynczej kolumny całkowicie przeoczy.
Sztuczka z klasyfikatorem domeny
Pomysłowa metoda wielowymiarowa polega na wytrenowaniu klasyfikatora rozróżniającego wiersze wzorcowe od bieżących. Jeśli mu się to udaje, oba zbiory się różnią, co sygnalizuje dryf. 🕵️
from sklearn.ensemble import RandomForestClassifier
# label reference=0, current=1, then check AUC
clf = RandomForestClassifier().fit(X_all, is_current)Odczytywanie sygnału AUC
Jeśli wartość AUC tego klasyfikatora jest bliska 0,5, obu okresów nie da się odróżnić, a więc nie ma dryfu. Wzrost AUC w kierunku 1,0 oznacza, że zbiory łatwo rozdzielić.
Dryf na podstawie rekonstrukcji
Inne podejście wykorzystuje model taki jak PCA: dopasowują go Państwo do danych wzorcowych, a następnie obserwują wzrost błędu rekonstrukcji dla bieżących danych, gdy zmienia się struktura wejścia.
Łączenie obu perspektyw
Kontrole jednowymiarowe pokazują, która cecha się zmieniła, a kontrola wielowymiarowa wychwytuje zmiany ukrywające się między nimi. Razem odpowiadają na różne pytania.
Uwaga na pułapkę wielu testów
Testowanie setek cech pojedynczo oznacza, że niektóre z nich zgłoszą problem wyłącznie przez przypadek. Należy dostosować progi lub skorygować wielokrotne porównania, aby nie utonąć w szumie.
Prosty początek, głębsza analiza później
Na początku warto użyć kontroli jednowymiarowych, ponieważ są tanie i łatwe do wyjaśnienia. Wykrywanie wielowymiarowe należy dodać, gdy trzeba wychwytywać subtelne zmiany łączne. ✅
Szybkie sprawdzenie
Sprawdźmy, kiedy rzeczywiście potrzebny jest widok wielowymiarowy.
Podsumowanie
Dryf jednowymiarowy sprawdza każdą cechę osobno, a dryf wielowymiarowy wychwytuje zmiany między nimi. Do analizy łącznej można użyć klasyfikatora domeny lub PCA, pamiętając o pułapce wielokrotnych testów. 🎯
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
Często zadawane pytania
Czy lekcja „Drift jednowymiarowy a wielowymiarowy” jest bezpłatna?
Tak — pełny tekst „Drift jednowymiarowy a wielowymiarowy” 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 „Drift jednowymiarowy a wielowymiarowy”?
Wykrywaj zmiany, których nie ujawniłyby pojedyncze cechy 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 1 z 4.
Ile czasu zajmuje lekcja „Drift jednowymiarowy a wielowymiarowy”?
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 jednowymiarowy a wielowymiarowy
- Monitorowanie wydajności za pomocą opóźnionych etykiet
- Dostrajanie okien w celu ograniczenia fałszywych alarmów
- Połączenie alertów driftu z ponownym trenowaniem