スキル一覧に戻る

monitor-model-drift

pjt222
更新日 2 days ago
5 閲覧
17
2
17
GitHubで表示
テストaitestingautomationdesigndata

について

このスキルは、Evidently AIやPSI、KSなどの統計的検定を用いて、本番環境のMLモデルにおけるデータドリフトと概念ドリフトを検出します。自動監視、アラート設定、レポート作成を構築し、パフォーマンス低下を早期に捕捉します。モデルが予期せず劣化した場合、データ分布が変化した場合、または規制コンプライアンスのためにご利用ください。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/monitor-model-drift

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント

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 metrics
  • deploy-ml-model-serving — model deployment patterns + versioning
  • setup-prometheus-monitoring — infrastructure metrics collection
  • review-data-analysis — statistical analysis validation + peer review

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/caveman-ultra/skills/monitor-model-drift
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

evaluating-llms-harness

テスト

このClaudeスキルは、lm-evaluation-harnessを実行し、MMLUやGSM8Kなど60以上の標準化学術タスクでLLMをベンチマークします。開発者がモデルの品質を比較し、トレーニングの進捗を追跡し、学術的な結果を報告するために設計されています。このツールはHuggingFaceやvLLMモデルを含む様々なバックエンドをサポートしています。

スキルを見る

cloudflare-cron-triggers

テスト

このスキルは、cron式を使用してWorkersをスケジュールするためのCloudflare Cron Triggersの実装に関する包括的な知識を提供します。定期的なタスクの設定、メンテナンスジョブ、自動化されたワークフローの構築を網羅し、無効なcron式やタイムゾーン問題といった一般的な課題への対処法も含みます。開発者はこれを使用して、スケジュールされたハンドラーの設定、cronトリガーのテスト、WorkflowsやGreen Computeとの連携を構成できます。

スキルを見る

webapp-testing

テスト

このClaude Skillは、Playwrightベースのツールキットを提供し、Pythonスクリプトを通じてローカルWebアプリケーションのテストを可能にします。フロントエンドの検証、UIデバッグ、スクリーンショット撮影、ログ表示を実現し、サーバーライフサイクルを管理します。ブラウザ自動化タスクにご利用いただけますが、コンテキストの汚染を避けるため、スクリプトのソースコードを読むのではなく直接実行してください。

スキルを見る

finishing-a-development-branch

テスト

このスキルは、開発者がテストの合格を確認し、構造化された統合オプションを提示することで、完成した作業を仕上げることを支援します。実装が完了した後のマージ、PR作成、ブランチの整理といったワークフローを案内します。コードが準備できてテスト済みの際に使用し、開発プロセスを体系的に完了させましょう。

スキルを見る