ML-Modellvaliderare

ML-modellvalideraren analyserar modellens förutsägelser mot ground truth för att bedöma tillförlitlighet och rättvisa. Den beräknar kärnmått (noggrannhet, precision, recall, F1, ROC-AUC), upptäcker datadrift med PSI- och KS-test och utvärderar kalibreringskvalitet. Trösklar kan konfigureras per metri och scenario; resultat kan sammanfattas per data-snutt som tidsfönster eller funktionsurval. Verktyget stödjer batch- och streamingsinmatningar och kan validera flera driftsättningar och tidsfönster. Det producerar driftsignal, calibreringsfel och rättvishetspoäng för att stötta styrning i att identifiera risker före produktion. Saknade värden hanteras robust; anpassade metriker definieringar stöds; artefakter lämpar sig för instrumentpaneler och automatiserade kontroller. Reproducerbarhet stärks av versionerade indata och spårbar datastam. Användningsfall inkluderar före-release validering, efter-distribution övervakning och efterlevnadsrevisioner som kräver konsekvent kvantitativ utvärdering. Värdet ligger i integrerade drift- och biasanalyser samt förklaringssignaler som underlättar rotorsaksanalys. Huvudfunktioner omfattar metrisk beräkning, driftigenkänning, kalibreringsbedömning, rättvisetttanalys och rapportgenerering, med integrationhooks för CI/CD och dataplattformar. Konceptuellt behandlas varje utvärdering som en reproducerbar, versionerad post: indata, tidsstämplar, modellidentifierare och data-snuttar fångas för spårbarhet.