Одномерный и многомерный дрейф
Обнаруживайте изменения, которые не видны при проверке отдельных признаков
«Одномерный и многомерный дрейф» — бесплатный урок MLOps Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MLOps Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MLOps Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
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. 🎯
Часто задаваемые вопросы
Урок «Одномерный и многомерный дрейф» бесплатный?
Да — полный текст урока «Одномерный и многомерный дрейф» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MLOps Academy, подпишись на CoddyKit PRO. Курс MLOps Academy содержит 4 уроков всего.
Чему я научусь в уроке «Одномерный и многомерный дрейф»?
Обнаруживайте изменения, которые не видны при проверке отдельных признаков Ты практикуешь MLOps Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать MLOps Academy?
Предыдущий опыт не требуется. MLOps Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Одномерный и многомерный дрейф»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке MLOps Academy?
Да. Каждый урок MLOps Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Одномерный и многомерный дрейф
- Мониторинг качества по отложенным меткам
- Настройка окон для сокращения ложных тревог
- Связывание оповещений о дрейфе с повторным обучением