monitor-model-drift
À propos
Cette compétence détecte la dérive des données et des concepts dans les modèles de ML en production en utilisant Evidently AI et des tests statistiques comme PSI et KS. Elle configure une surveillance automatisée, des alertes et des rapports pour identifier précocement la dégradation des performances. Utilisez-la lorsque les modèles se dégradent de manière inattendue, que les distributions de données changent, ou pour la conformité réglementaire.
Installation rapide
Claude Code
Recommandénpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/monitor-model-driftCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
Monitor Model Drift
See Extended Examples for complete configuration files and templates.
Detect + alert on data drift + concept drift in prod ML models via statistical tests + automated monitoring.
Use When
- Prod ML models w/ unexplained perf degradation
- New data distributions differ from training
- Seasonal/temporal shifts in input features
- Need proactive alerts before business metrics impacted
- Regulatory: SR 11-7, EU AI Act
- Multi model versions deployed → drift comparison
In
- Required: Prod predictions + features (last 30-90 days)
- Required: Reference dataset (training or validation)
- Required: Ground truth labels (may be delayed)
- Optional: Feature importance / SHAP values
- Optional: Business metric thresholds for alerting
- Optional: Historical drift reports for trend
Do
Step 1: Install + Config Evidently AI
Set up monitoring framework + deps.
# Create virtual environment
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
# Install Evidently and dependencies
pip install evidently pandas scikit-learn prometheus-client
# Create monitoring directory structure
mkdir -p monitoring/{reports,config,alerts}
Config file:
# monitoring/config/drift_config.py
from evidently.metric_preset import DataDriftPreset, TargetDriftPreset
from evidently.metrics import (
DatasetDriftMetric,
DatasetMissingValuesMetric,
ColumnDriftMetric,
)
# ... (see EXAMPLES.md for complete implementation)
→ Config created w/ thresholds matching model tolerance.
If err: start conservative (PSI > 0.2, KS p-value < 0.01) + tune by false positive rate.
Step 2: Data Drift Detection
Drift detection pipeline w/ multiple statistical tests.
# monitoring/drift_detector.py
import pandas as pd
import numpy as np
from scipy.stats import ks_2samp, chi2_contingency
from evidently.report import Report
from evidently.metric_preset import DataDriftPreset
from evidently.metrics import ColumnDriftMetric, DatasetDriftMetric
from datetime import datetime, timedelta
# ... (see EXAMPLES.md for complete implementation)
→ Drift detection runs, JSON report w/ per-feature stats, drifted features identified.
If err: check missing values (impute/drop), reference + current data same cols, data types match.
Step 3: Generate Evidently Reports
Visual HTML reports for human review + debugging.
# monitoring/generate_reports.py
from evidently.report import Report
from evidently.metric_preset import DataDriftPreset, TargetDriftPreset
from evidently.metrics import (
ColumnDriftMetric,
DatasetDriftMetric,
DatasetMissingValuesMetric,
)
# ... (see EXAMPLES.md for complete implementation)
→ HTML reports in monitoring/reports/, browser-viewable w/ interactive charts showing distribution comparisons.
If err: write perms to output dir, Evidently version ≥ 0.4.0, data frames have ≥100 rows recommended.
Step 4: Concept Drift Detection
Monitor pred perf → detect concept drift (relationship features-target changes).
# monitoring/concept_drift.py
import pandas as pd
import numpy as np
from sklearn.metrics import roc_auc_score, mean_squared_error, accuracy_score
from typing import Dict, List
import json
# ... (see EXAMPLES.md for complete implementation)
→ Perf monitoring detects when accuracy/AUC drops below threshold → potential concept drift.
If err: ground truth labels available (may need delayed validation batch), prediction scores calibrated (0-1 range classification), no label leakage in features.
Step 5: Automated Alerting
Integrate w/ Slack, PagerDuty, email.
# monitoring/alerting.py
import requests
import json
from typing import Dict, List
import logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# ... (see EXAMPLES.md for complete implementation)
→ Alerts sent on drift, severity by drift share + critical feature involvement.
If err: test webhook URLs w/ curl, PagerDuty integration key has perms, firewall outbound HTTPS, retry logic for transient failures.
Step 6: Schedule Monitoring Jobs
Automate drift detection on schedule (daily/weekly).
# monitoring/scheduler.py
import schedule
import time
import logging
from datetime import datetime, timedelta
import pandas as pd
logging.basicConfig(
# ... (see EXAMPLES.md for complete implementation)
Cron alternative:
# Add to crontab (crontab -e)
# Run daily at 2 AM
0 2 * * * cd /path/to/monitoring && /path/to/venv/bin/python scheduler.py >> logs/cron.log 2>&1
Or Airflow DAG:
# airflow/dags/drift_monitoring_dag.py
from airflow import DAG
from airflow.operators.python import PythonOperator
from datetime import datetime, timedelta
default_args = {
'owner': 'ml-team',
'depends_on_past': False,
# ... (see EXAMPLES.md for complete implementation)
→ Monitoring runs auto on schedule, reports generated, alerts only when drift exceeds thresholds, all activity logged.
If err: scheduler process running (ps aux | grep scheduler), cron service active, data sources accessible, review logs for exceptions, dead man's switch alert if job doesn't run.
Check
- PSI + KS test calculations match expected values for known drift scenarios
- Evidently HTML reports render correctly + show distribution overlays
- Critical feature drift → immediate alerts
- Concept drift detector identifies perf degradation within 3 days
- Alerts delivered all configured channels (Slack, email, PagerDuty)
- Scheduled job runs w/o manual intervention 7+ days
- False positive rate < 5% (tune thresholds if higher)
- Drift detection completes < 5min for 1M rows
Traps
- Stale reference data: Update quarterly or after retraining to reflect natural data evolution
- Sample size mismatch: Current + reference datasets similar sizes (>1000 rows each) for reliable stats
- Missing ground truth: Concept drift needs labels; implement delayed labeling if real-time unavailable
- Seasonality confusion: Weekly/monthly patterns → false positives; time-aligned reference windows or deseasonalize features
- Alert fatigue: Start high thresholds, lower based on actual retraining cadence
- Ignore data quality drift: Monitor missing values, outliers, encoding errors separately from distribution drift
- Over-reliance on aggregate: Per-feature analysis crucial; aggregate drift may mask individual feature shifts
- Neglect prediction distribution: Even w/o ground truth, sudden prediction shifts signal issues
→
detect-anomalies-aiops— time series anomaly detection for operational metricsdeploy-ml-model-serving— model deployment patterns + versioningsetup-prometheus-monitoring— infrastructure metrics collectionreview-data-analysis— statistical analysis validation + peer review
Dépôt GitHub
Compétences associées
evaluating-llms-harness
TestsCette compétence Claude exécute le lm-evaluation-harness pour évaluer les modèles de langage sur plus de 60 tâches académiques standardisées telles que MMLU et GSM8K. Elle est conçue pour permettre aux développeurs de comparer la qualité des modèles, de suivre les progrès de l'entraînement ou de rapporter des résultats académiques. L'outil prend en charge différents backends, incluant les modèles HuggingFace et vLLM.
cloudflare-cron-triggers
TestsCette compétence fournit une connaissance complète pour la mise en œuvre de Déclencheurs Cron Cloudflare afin de planifier des Workers à l'aide d'expressions cron. Elle couvre la configuration de tâches périodiques, de travaux de maintenance et de flux de travail automatisés, tout en traitant des problèmes courants tels que les expressions cron non valides et les problèmes de fuseau horaire. Les développeurs peuvent l'utiliser pour configurer des gestionnaires planifiés, tester des déclencheurs cron et intégrer avec Workflows et Green Compute.
webapp-testing
TestsCette Compétence Claude fournit une boîte à outils basée sur Playwright pour tester des applications web locales via des scripts Python. Elle permet la vérification frontend, le débogage d'interface utilisateur, la capture d'écrans et la consultation des journaux, tout en gérant les cycles de vie du serveur. Utilisez-la pour les tâches d'automatisation de navigateur, mais exécutez les scripts directement plutôt que de lire leur code source pour éviter la pollution du contexte.
finishing-a-development-branch
TestsCette compétence aide les développeurs à finaliser leur travail en vérifiant que les tests passent, puis en présentant des options d'intégration structurées. Elle guide le processus de fusion, de création de PRs ou de nettoyage des branches une fois l'implémentation terminée. Utilisez-la lorsque votre code est prêt et testé pour finaliser systématiquement le cycle de développement.
