egutierrez
988e901066
Añade campos params y output al frontmatter YAML de las 506 funciones del registry. Cada parámetro tiene descripción semántica (qué representa, unidades, rango típico) y cada función describe qué produce su output. Permite a agentes razonar sobre cadenas de composición (ej: prices → log_return → sharpe_ratio) sin leer código.
67 lines
2.8 KiB
Markdown
67 lines
2.8 KiB
Markdown
---
|
|
name: detect_drift
|
|
kind: function
|
|
lang: py
|
|
domain: datascience
|
|
version: "1.0.0"
|
|
purity: pure
|
|
signature: "def detect_drift(history: list[dict], current: dict, fields: list[str], threshold: float = 2.0) -> list[dict]"
|
|
description: "Detecta drift estadistico comparando metricas de la ejecucion actual contra el historial usando z-score. Si |z| > threshold, el campo ha drifteado. Util para monitorizar executions en operations.db."
|
|
tags: [drift, statistics, z-score, monitoring, executions, operations, datascience]
|
|
uses_functions: []
|
|
uses_types: []
|
|
returns: []
|
|
returns_optional: false
|
|
error_type: ""
|
|
imports: [math]
|
|
params:
|
|
- name: history
|
|
desc: "lista de dicts con metricas historicas (ej: [{'records_out': 100, 'duration_ms': 500}, ...])"
|
|
- name: current
|
|
desc: "dict con metricas actuales a comparar (ej: {'records_out': 50, 'duration_ms': 2000})"
|
|
- name: fields
|
|
desc: "lista de nombres de campos a monitorizar en current vs history (ej: ['records_out', 'duration_ms'])"
|
|
- name: threshold
|
|
desc: "umbral de z-score para declarar drift (tipico: 2.0-3.0). Mayor = menos sensible."
|
|
output: "lista de dicts con {field, current, mean, std, z_score, drifted} para cada campo monitoreado"
|
|
tested: true
|
|
tests:
|
|
- "campo con drift claro (z > threshold)"
|
|
- "campo estable (z < threshold)"
|
|
- "historial con un solo punto → std=0, no puede calcular → drifted=False con nota"
|
|
- "historial vacio → todos drifted=False"
|
|
- "threshold custom"
|
|
test_file_path: "python/functions/datascience/detect_drift_test.py"
|
|
file_path: "python/functions/datascience/detect_drift.py"
|
|
---
|
|
|
|
## Ejemplo
|
|
|
|
```python
|
|
history = [
|
|
{"records_out": 100, "duration_ms": 500},
|
|
{"records_out": 105, "duration_ms": 480},
|
|
{"records_out": 98, "duration_ms": 510},
|
|
]
|
|
current = {"records_out": 50, "duration_ms": 2000}
|
|
|
|
results = detect_drift(history, current, ["records_out", "duration_ms"])
|
|
# [
|
|
# {"field": "records_out", "current": 50, "mean": 101.0, "std": 3.6, "z_score": -14.2, "drifted": True},
|
|
# {"field": "duration_ms", "current": 2000, "mean": 496.7, "std": 15.3, "z_score": 98.3, "drifted": True},
|
|
# ]
|
|
```
|
|
|
|
## Notas
|
|
|
|
Funcion pura. Solo stdlib (`math`).
|
|
|
|
El z-score usa desviacion estandar poblacional (dividir por N, no N-1) para ser consistente con historial de cualquier tamanio.
|
|
|
|
Casos especiales:
|
|
- **Historial vacio**: z_score=0.0, drifted=False para todos los campos.
|
|
- **Un solo punto en historial**: std=0.0, z_score=0.0, drifted=False. No hay suficiente historia para calcular variabilidad.
|
|
- **Std=0 con N>=2**: todos los valores historicos identicos. z_score=0.0, drifted=False (cualquier desviacion seria tecnicamente infinita, pero se asume que el sistema es muy estable).
|
|
|
|
Pensado para el paso ANALIZAR del bucle reactivo: comparar `metrics` de la ejecucion actual con executions historicas de `operations.db`.
|