frouros 0.1.0

Frouros 是一个 Python 库，用于机器学习问题中的漂移检测。

它提供了一套用于漂移检测的算法，包括有监督和无监督部分，以及一些半监督算法。它的设计目的是与scikit-learn库轻松集成。这种集成允许 Frouros 在机器学习问题管道中使用，在新漂移检测算法的实现中使用，并可用于比较检测器之间的性能，作为基准。

快速开始

作为一个快速简单的示例，我们可以生成两个二元正态分布，以便使用像 MMD（最大均值差异）这样的无监督方法。此方法尝试验证生成的样本是否来自同一分布。如果它们来自不同的分布，则意味着存在协变量漂移。

from sklearn.gaussian_process.kernels import RBF
import numpy as np
from frouros.unsupervised.distance_based import MMD

np.random.seed(31)
# X samples from a normal distribution with mean = [1. 1.] and cov = [[2. 0.][0. 2.]]
x_mean = np.ones(2)
x_cov = 2*np.eye(2)
# Y samples a normal distribution with mean = [0. 0.] and cov = [[2. 1.][1. 2.]]
y_mean = np.zeros(2)
y_cov = np.eye(2) + 1

num_samples = 200
X_ref = np.random.multivariate_normal(x_mean, x_cov, num_samples)
X_test = np.random.multivariate_normal(y_mean, y_cov, num_samples)

alpha = 0.01  # significance level for the hypothesis test

detector = MMD(num_permutations=1000, kernel=RBF(length_scale=1.0), random_state=31)
detector.fit(X=X_ref)
detector.transform(X=X_test)
mmd, p_value = detector.distance

p_value < alpha
>>> True  # Drift detected. We can reject H0, so both samples come from different distributions.

更多高级示例可以在这里找到。

安装

Frouros 支持 Python 3.8、3.9 和 3.10 版本。它可以通过 pip 安装：

pip install frouros

还可以选择在skorch的帮助下使用PyTorch模型：

pip install frouros[pytorch]

漂移检测方法

当前支持的方法如下表所示。根据它们能够检测到的漂移类型以及检测方式，它们分为三个主要类别。

数据集

下表提供并列出了一些著名的数据集和合成生成器。