Evidently Al

Evidently Al 大模型的发展历程

1、萌芽期：Evidently Al 大模型的雏形是 Evidently 这个开源 Python 库，它于 2020 年 10 月发布，由 Evidently AI 这个初创公司开发。 Evidently 库可以让用户使用简单的代码来生成交互式的可视化报告，展示他们的模型在验证和预测期间的表现，以及数据漂移的情况。

2、探索期：Evidently Al 大模型的探索期是在 2021 年 6 月到 2022 年 3 月之间，这段时间内，Evidently AI 团队不断地改进和扩展 Evidently 库的功能，增加了更多的报告类型，如分类模型性能报告、回归模型性能报告、分类模型监控报告、回归模型监控报告和代理模型报告。同时，他们也开始开发 Evidently Al 大模型的网站，让用户可以在网页上上传和查看他们的报告，而不需要安装任何软件或库。

3、迅猛发展期：Evidently Al 大模型的迅猛发展期是从 2022 年 4 月开始的，这时候，Evidently Al 大模型的网站正式上线，引起了业界的广泛关注和好评。 Evidently Al 大模型的网站不仅提供了 Evidently 库的所有功能，还增加了一些新的特色，如：

• 支持多种数据格式，如 csv, json, parquet 等；
• 支持多种模型格式，如 sklearn, xgboost, pytorch, tensorflow 等；
• 支持多种模态，如文本、图像、音频、视频等；
• 支持多种语言，如英语、中文、日语、法语等；
• 支持多种交互方式，如语音、手势、眼神等；
• 支持多种应用场景，如金融、医疗、教育、娱乐等。

Evidently Al 大模型的网站迅速成为了机器学习领域的热门平台，吸引了数百万的用户和合作伙伴，为他们提供了一个方便、高效、智能的机器学习模型仪表板。

Evidently Al 大模型的使用方法

• 安装 evidently 和 jupyter nbextension 包，以及其他需要的库，如 pandas, sklearn 等。
• 导入 evidently 的模块，如 Dashboard, Report, TestSuite 等。
• 准备数据集，可以是 pandas.DataFrame 或 csv 文件，分为参考数据和当前数据。
• 定义列映射，指定目标列，预测列，数值特征列，类别特征列等。
• 选择想要生成的报告类型，如数据漂移报告，回归模型性能报告等，或者自定义报告的指标和可视化。
• 调用 calculate 方法，传入数据集和列映射，计算报告所需的指标和图表。
• 调用 save 方法，将报告保存为 HTML 文件，或者导出为 JSON 或 Python 字典。
• 在 Jupyter notebook 中查看或下载报告，或者在 Evidently Al 大模型的网站上上传和查看报告。