معرفی شرکت ها


data-drift-detector-0.0.9


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Compare differences between 2 datasets to identify data drift
ویژگی مقدار
سیستم عامل -
نام فایل data-drift-detector-0.0.9
نام data-drift-detector
نسخه کتابخانه 0.0.9
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Kelvin Tay
ایمیل نویسنده btkelvin@gmail.com
آدرس صفحه اصلی https://github.com/kelvnt/data-drift-detector
آدرس اینترنتی https://pypi.org/project/data-drift-detector/
مجوز GPLv3
# Data Drift Detector [![PyPI version](https://badge.fury.io/py/data-drift-detector.svg)](https://badge.fury.io/py/data-drift-detector) This package contains some developmental tools to detect and compare statistical differences between 2 structurally similar pandas dataframes. The intended purpose is to detect data drift - where the statistical properties of an input variable change over time. We provide a class `DataDriftDetector` which takes in 2 pandas dataframes and provides a few useful methods to compare and analyze the differences between the 2 datasets. ## Installation Install the package with pip pip install data-drift-detector ## Example Usage To compare 2 datasets: from data_drift_detector import DataDriftDetector # initialize detector detector = DataDriftDetector(df_prior = df_1, df_post = df_2) # methods to compare and analyze differences detector.calculate_drift() detector.plot_numeric_to_numeric() detector.plot_categorical_to_numeric() detector.plot_categorical() detector.compare_ml_efficacy(target_column="some_target_column") You may also view an example notebook in the following directory `examples/example_usage.ipynb` to explore how it may be used.


زبان مورد نیاز

مقدار نام
>=3.6.0 Python


نحوه نصب


نصب پکیج whl data-drift-detector-0.0.9:

    pip install data-drift-detector-0.0.9.whl


نصب پکیج tar.gz data-drift-detector-0.0.9:

    pip install data-drift-detector-0.0.9.tar.gz