Seldon Core 中的异常值检测

机器学习模型在训练数据分布之外不能很好地进行预测。为了信任并采用模型预估，通过不同类型的检测器监控传入请求的分布至关重要。异常值检测器旨在标记不遵循原始训练分布的单个实例。

包	版本
alibi-detect	0.9.0

可用的 CIFAR10 任务示例。此示例侧重于服务基础架构并对其进行详细讨论。

实例中的基础框架使用 Seldon Core 有效负载记录器将请求传递给异步处理它们的组件。结果可以继续传递给告警系统。

创建自己的检测器

对于需要训练的 Alibi Detect 异常值检测器，您应该

1. 使用 python 3.7 作为 Seldon Alibi 检测服务端，同时也使用 python 3.7.10 加载你的检测器。

2. 跟随 Alibi Detect 文档 了解您所需的特定检测器。

3. 使用 save_detector 保存你的检测器方法并且到集群的对象存储或者 PVC 中。我们在 init container 支持了一些云存储解决方案。

我们的 Alibi 解释检测器 运行时环境通过 Poetry 锁定。查看 这里的 e2e 文档来使用该定义训练你的检测器。