🔒 Vorschaumodus. Die ersten fünfzehn Foundations-Lektionen sind kostenlos; diese hier ist Pro. Starte einen 7-Tage-Trial, um den Editor, AI-Hinweise und den Rest des Lehrplans freizuschalten. Karte erforderlich, jederzeit im Dashboard kündbar.7-Tage-Trial starten →
📝 **Aufgabe:** Build \`drift_detector(baseline_mean, current_mean, std, Threshold)\` – gibt „True“ zurück, wenn der aktuelle Feature-Mittelwert erheblich von der Basislinie abgewichen ist:
- Berechnen Sie den Z-Score: \`|current_mean - baseline_mean| /std\`.
- Geben Sie „True“ zurück, wenn der Z-Score „>= Schwelle“ (Drift) ist, andernfalls „False“ (stabil).
- \`std == 0\` → Rückgabe von \`False\` (kein Spread → sinnvolle Drift kann nicht berechnet werden; Flagging wäre Alarmrauschen).
– Dies ist das einfachste Produktionsdriftsignal – läuft jede Nacht pro Feature.
📋 Implementieren Sie die obige Funktion. Tests laufen automatisch ab.
💡 **Hinweis:** Lesen Sie die Theorie noch einmal, wenn Sie nicht weiterkommen.
🎯 Quiz
Frage
📝 **Aufgabe:** Build \`drift_detector(baseline_mean, current_mean, std, Threshold)\` – gibt „True“ zurück, wenn der aktuelle Feature-Mittelwert erheblich von der Basislinie abgewichen ist:
- Berechnen Sie den Z-Score: \`|current_mean - baseline_mean| /std\`.
- Geben Sie „True“ zurück, wenn der Z-Score „>= Schwelle“ (Drift) ist, andernfalls „False“ (stabil).
- \`std == 0\` → Rückgabe von \`False\` (kein Spread → sinnvolle Drift kann nicht berechnet werden; Flagging wäre Alarmrauschen).
– Dies ist das einfachste Produktionsdriftsignal – läuft jede Nacht pro Feature.
📋 Implementieren Sie die obige Funktion. Tests laufen automatisch ab.
💡 **Hinweis:** Lesen Sie die Theorie noch einmal, wenn Sie nicht weiterkommen.
💬 Diskussion
Sei der erste — stelle eine Frage oder teile einen Tipp.
Anmelden um an der Diskussion teilzunehmen. Lesen ist kostenlos.