#170 · 主分类： MLOps与评测
popmon
监控 Pandas 或 Spark 数据框的稳定性 ⚙︎
项目最后更新：01/09/26
GitHub Stars
511
Forks数量
35
贡献者数量
20
许可证
MIT
收录理由
许多漂移检测工具要求你先搭建一整套监控基础设施，才能看到任何有意义的结果。popmon 选择了一条相反的路径：它直接对已有的 pandas 或 Spark 数据框进行操作，将特征值按时间分桶，计算直方图，并运用统计检验来捕捉趋势变化、分布偏移、峰值异常或相关性改变。产出是一份自包含的 HTML 报告，分享或归档都很方便。由于同样的逻辑既适用于本地数据框，也适用于分布式数据框，团队可以在 notebook 中先做原型验证，再把同一套检查复用到集群管道上。你还可以设定业务规则来自动标记问题，并将直方图数据推送到 Grafana 或 Kibana，如果你们的团队日常已经依赖这些仪表盘的话。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具