momo-ml 0.1.3

A production-oriented model monitoring library for detecting performance drift, data drift, and prediction drift, with automated reporting for ML systems.

!CI !PyPI version

momo-ml

momo-ml 是一个用于生产环境的 模型监控（MOdel MOnitoring for ML） 工具库，旨在提供系统化、可扩展、可自动化的模型质量监测能力。
库覆盖模型性能漂移（performance drift）、数据漂移（data drift）、预测值漂移（prediction drift）等关键监控维度，同时支持自动生成可视化报表。

本项目适用于数据科学、ML 工程、MLOps 等场景，可集成至模型上线后的各类监控与治理流程。

---

📌 Features

1. Performance Drift

监测模型在不同时间窗口的预测性能变化：

• AUC / F1 / Precision / Recall / RMSE 等指标
• Reference window vs current window 对比
• Rolling window 趋势分析

2. Data Drift

检测输入数据分布稳定性：

• Population Stability Index (PSI)
• KL Divergence、KS Test
• 数值特征统计变化（mean / var / quantile shift）
• 类别特征分布漂移（frequency shift）

3. Prediction Drift

监测模型输出行为是否异常：

• 输出分布变化
• 分箱稳定性（如 deciles shift）
• 不同群体/分段之间的预测差异

4. Automated Reporting

提供统一报表生成能力：

• 自动生成 Drift 图表（matplotlib / plotly）
• 一键生成 HTML 或 PDF 报告
• 可扩展存储或推送到自定义 dashboard

---

🔧 Installation

pip install momo-ml


momo-ml/
├── momo_ml/
│   ├── __init__.py
│   ├── monitor/
│   │   ├── __init__.py
│   │   ├── model_monitor.py        
│   │   ├── performance.py          
│   │   ├── prediction.py           
│   │   └── data_drift.py           
│   │
│   ├── metrics/
│   │   ├── __init__.py
│   │   ├── psi.py                  # PSI
│   │   ├── kl.py                   # KL Divergence
│   │   ├── ks.py                   # KS Test
│   │   └── performance_metrics.py  # AUC/Precision/F1...
│   │
│   ├── report/
│   │   ├── __init__.py
│   │   ├── report_builder.py       # HTML / PDF 生成
│   │
│   ├── utils/
│   │   ├── __init__.py
│   │   ├── plotting.py             # 所有图表方法
│   │   └── validation.py           # 输入校验
│
├── tests/
│   ├── test_data_drift.py
│   ├── test_model_monitor.py
│   └── test_performance_metrics.py
│   └── test_prediction_drift.py
│   └── test_report_builder.py
│   └── test_validation.py
│
├── README.md
├── pyproject.toml
└── setup.cfg
└── .gitignore
└── CHANGELOG.md
└── LICENSE
└── MANIFEST.in