5.4. 使用偏移指标

MeanShift 指标计算测试数据集中的数据值来自与培训数据集中相同的分布值（假设这些值通常分布式）。此指标测量两个数据集之间特定功能的方法的不同。

MeanShift 对于识别数据分发中的直接更改很有用，例如当整个发行版已转移到功能的左侧或右侧。

此指标返回"真实世界"数据所看到的发行版可能源自与引用数据相同的发行版。更接近的值是 0，很可能有显著的偏移量。

FourierMMD 指标提供了概率：测试数据集中的数据值已从培训数据集分发中偏离，假设计算的最大 Mean Discrepancy (MMD)值通常会被分发。此指标使用 Fourier 域中的 MMD 测量比较数据集的 empirical 发行版。

FourierMMD 有助于检测数据分布中的细微变化，这些变化可能被更简单的统计措施覆盖。

此指标返回可能性，"real world"数据所看到的分布已从引用数据中偏离。更接近的数值是 1，很可能存在显著的偏移量。

KSTest 指标计算每个列的两个 Kolmogorov-Smirnov 测试，以确定数据集是否从同一发行版衍生而来。此指标测量数据集的电子累积分发函数(CDF)之间的最大距离，而不假设任何特定的底层分布功能。

KSTest 有助于检测分布形式、位置和规模的变化。

此指标返回"真实世界"数据所看到的发行版可能源自与引用数据相同的发行版。更接近的值是 0，很可能有显著的偏移量。

ApproxKSTest 指标执行大约 Kolmogorov-Smirnov 测试，确保与确切的 KSTest 相比的最大错误为 6*epsilon。

ApproxKSTest 有助于检测执行精确 KSTest 的大型数据集的更改。

此指标返回"真实世界"数据所看到的发行版可能源自与引用数据相同的发行版。更接近的值是 0，很可能有显著的偏移量。