Capítulo 2: Detecção de Drift de Dados

Tipos de Drift

Tipo	Descrição	Detecção
Drift de Covariáveis	Mudança na distribuição dos dados de entrada	Testes estatísticos nas features
Drift de Conceito	Mudança na relação entre X e Y	Monitorar acurácia das previsões
Drift de Rótulo	Mudança na distribuição do alvo	Comparar distribuições das previsões

Testes Estatísticos para Drift

from scipy import stats
import numpy as np

def detect_drift(reference_data: np.ndarray, current_data: np.ndarray, threshold: float = 0.05):
    """Detect drift using Kolmogorov-Smirnov test."""
    drift_results = {}
    
    for i, feature in enumerate(feature_names):
        statistic, p_value = stats.ks_2samp(
            reference_data[:, i],
            current_data[:, i]
        )
        drift_results[feature] = {
            'statistic': statistic,
            'p_value': p_value,
            'drift_detected': p_value < threshold
        }
    
    return drift_results

Dashboard de Monitoramento de Drift

# Grafana dashboard config
panels:
  - title: "Feature Drift Score"
    type: timeseries
    targets:
      - expr: model_drift_score{feature="age"}
      - expr: model_drift_score{feature="income"}
    thresholds:
      - value: 0.1
        color: yellow
      - value: 0.2
        color: red

---

Próximo: Capítulo 3: Alertas e Resposta a Incidentes