تحول البيانات وتأخر الوسوم وأدلة الأداء

reference = {"a":8,"b":2}
current = {"a":2,"b":8}
keys = sorted(reference.keys() | current.keys())
p = {key:reference.get(key,0)/sum(reference.values()) for key in keys}
q = {key:current.get(key,0)/sum(current.values()) for key in keys}
total_variation = 0.5*sum(abs(p[key]-q[key]) for key in keys)
print(f"categorical total variation={total_variation:.2f}")
print("reference count", sum(reference.values()))
print("current count", sum(current.values()))

categorical total variation=0.60
reference count 10
current count 10

تقيس مسافة فئوية ثابتة اختلاف التوزيع المعطى؛ ولا تثبت دلالة إحصائية أو خسارة أداء أو سبب التغير.

predictions = {"a":0.8,"b":0.7,"c":0.2}
labels = {"a":{"value":1,"available":4}, "b":{"value":0,"available":5},
          "c":{"value":1,"available":9}}
assessment_time = 6
mature = [key for key in predictions if labels[key]["available"] <= assessment_time]
correct = sum((predictions[key] >= 0.5) == bool(labels[key]["value"]) for key in mature)
print("mature ids", mature)
print(f"mature accuracy={correct/len(mature):.2f}")
print(f"label coverage={len(mature)/len(predictions):.2f}")

mature ids ['a', 'b']
mature accuracy=0.50
label coverage=0.67

تدخل الأهداف المتاحة فقط؛ وقد تختلف المجموعة الناضجة منهجياً عن الحالات المتأخرة، فلا تمثلها دقتها تلقائياً.