model-monitoring-patterns

该项目是面向机器学习模型监控的模式集，供工程师在数据漂移、概念漂移、无标签性能估计与告警设计中使用。资料提供五类模式：其一，用 PSI（群体稳定性指数）监测连续与分类特征漂移，PSI<0.1 视为稳定、0.1–0.25 需排查、>0.25 为显著偏移，并配合 KS 检验与 Wasserstein 距离生成全特征漂移报告；其二，用 Evidently 的 Report 生成 HTML 漂移报告，用 TestSuite 构建适配 CI 的自动漂移门禁（如漂移列数或占比超阈值即失败）；其三，用 NannyML 的 CBPE 在真实标签延迟时估计模型性能，需已校准的预测概率，并按时间窗口分块，另提供单变量漂移计算器；其四，用 whylogs 生成轻量分布剖析与约束校验，并可上传 WhyLabs 做趋势跟踪；其五，用 Prometheus 客户端为预测服务埋点，统计请求量、延迟、分数分布与逐特征 PSI，供 Grafana 展示。资料还列出反模式：不要对每个指标单独告警以免假阳，不要永久以训练数据作参考，不要只看整体分布而忽略细分切片，以及区分数据漂移与概念漂移后再决定是否重训。具体安装命令、依赖版本与完整 API 参数资料未提供。