Evidently è una libreria open source in Python, affiancata da uno strumento web, pensata per il monitoraggio delle prestazioni dei modelli di machine learning in ambienti produttivi. È rivolta a data scientist, ingegneri ML e team MLOps che desiderano individuare tempestivamente problemi come drift dei dati, degrado del modello o bias nei risultati.

Può essere utilizzata durante la validazione del modello, il deployment e l’uso operativo. Evidently si integra facilmente con notebook, pipeline CI/CD oppure può essere eseguita come servizio autonomo o dashboard locale.

Vantaggi principali:

• Riunisce in un unico strumento verifica dei dati, rilevamento di drift e monitoraggio delle performance.

• Non richiede modifiche al modello né retraining.

• Produce report visivi comprensibili anche da utenti non tecnici.

Quali sono le principali funzionalità di Evidently?

Rilevamento del data drift e del target drift

Evidently rileva variazioni nelle distribuzioni delle feature e delle variabili target:

• Usa test statistici come Jensen-Shannon e distanza di Wasserstein

• Analizza separatamente feature numeriche e categoriche

• Confronta i dati di produzione con un dataset di riferimento o tra intervalli temporali

• Evidenzia le feature più influenzate dal drift

Monitoraggio delle prestazioni del modello nel tempo

Valuta se il modello mantiene un buon comportamento in condizioni reali:

• Monitora metriche come accuratezza, precision, recall, F1 score

• Analisi per segmenti (es. area geografica, tipo di utente)

• Aiuta a identificare degrado del modello legato a cambiamenti nei dati

Controllo qualità e integrità dei dati

Verifica che i dati in input siano completi, coerenti e correttamente formattati:

• Rileva valori mancanti, errori di tipo, outlier

• Segnala distribuzioni inattese o problemi di schema

• Utile per la validazione preventiva prima dell’inferenza

Analisi di bias e equità del modello

Permette di valutare se il modello presenta trattamenti diseguali verso alcuni gruppi:

• Include metriche di parità demografica, pari opportunità e simili

• Rileva differenze di accuratezza o impatto tra gruppi sensibili

• Particolarmente utile in settori regolamentati o soggetti ad audit

Report e dashboard interattivi

Evidently genera report visivi e dashboard locali per facilitare l’analisi:

• Supporta l’uso in notebook, l’esportazione in HTML e l’avvio come app web locale

• Funziona in modalità batch o come parte di un sistema di monitoraggio continuo

• Le visualizzazioni aiutano a comunicare insight in modo chiaro

Perché scegliere Evidently?

• Strumento completo per il monitoraggio di drift, qualità dei dati e performance

• Facile da integrare in flussi esistenti e pipeline di MLOps

• Indipendente dal framework e dal tipo di modello

• Open source, estendibile e trasparente

• Orientato alla visualizzazione: facilita il dialogo tra team tecnici e business