nannyml

模型上线后，用 nannyml 自动盯漂移和性能，提前报警

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 218 🐛 待处理 6 👀 关注 20

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2161

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类基础设施

开发团队NannyML

官网地址https://www.nannyml.com

GitHubhttps://github.com/NannyML/nannyml

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型data-analysis,data-drift,data-science,deep-learning,jupyter-notebook,machine-learning,machinelearning,ml,mlops,model-monitoring,monitoring,performance-estimation,performance-monitoring,postdeploymentdatascience,python,visualization

GitHub 星标★ 2161

上线时间2022-01-26 00:00:00

代码更新2025-07-12

仓库体积132.5 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数7

项目介绍

nannyml 是一个用于机器学习模型部署后监控的 Python 库。它解决的是模型上线后性能下降、数据漂移等问题难以发现和定位的痛点。核心能力包括：检测特征和预测分布漂移（如 PSI、KS 检验等）、估计模型性能（如准确率、AUC 等）在无标签数据上的变化、提供可视化仪表盘和告警机制，帮助数据科学家快速识别模型退化的原因。它支持分类、回归等常见任务，并提供了与 pandas 和 scikit-learn 的良好集成，使得监控流程可以无缝嵌入现有工作流。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2161

技术标签

data-analysis data-science deep-learning jupyter-notebook machine-learning

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 6 步

环境要求

已安装 Python 环境（NannyML 是 Python 库，README 未指定具体版本）
需要 LightGBM 依赖：NannyML 依赖 LightGBM，可能需要额外安装操作系统相关的二进制文件
二选一的包管理器：pip（PyPI）或 conda（conda-forge）
如需容器方式运行，需要已安装 Docker

安装与启动步骤

1准备 LightGBM 依赖

NannyML 依赖 LightGBM，可能需要额外安装对应操作系统的二进制文件，请先按 LightGBM 官方安装指南处理。
2用 pip 安装 NannyML

从 PyPI 安装正式发布版本，是最常用的安装方式，建议在虚拟环境中执行。
```
pip install nannyml
```
3或用 Conda 安装

如果你使用 conda 管理环境，可从 conda-forge 频道安装 NannyML。
```
conda install -c conda-forge nannyml
```
4或用 Docker 运行

使用官方镜像 nannyml/nannyml 运行 nml run，并把本地配置目录挂载到容器内的 /config/。
```
docker run -v /local/config/dir/:/config/ nannyml/nannyml nml run
```
5安装开发版（可选）

如需最新开发版本可从 GitHub 直接安装，README 提示开发版有风险，请谨慎使用。
```
python -m pip install git+https://github.com/NannyML/nannyml
```
6验证导入

在 Python 或 Jupyter 中导入库，无报错即说明安装成功，随后可参考官方文档继续使用。
```
python -c "import nannyml as nml"
```

关键配置

配置项	必填	说明	示例
`/config/`	是	Docker 运行时挂载到容器内的配置目录，本地目录需替换为真实路径	`/local/config/dir/`

如何确认成功

在 Python 或 Jupyter 中执行 import nannyml as nml，没有报错即表示安装成功。

常见问题

Q：安装或导入时报 LightGBM 相关错误怎么办？

A：NannyML 依赖 LightGBM，可能需要额外安装操作系统相关的二进制文件，请按 LightGBM 官方安装指南（lightgbm.readthedocs.io 的 Installation Guide）安装对应依赖。

Q：用 pip 还是 conda 安装？

A：两种方式 README 均支持：pip install nannyml，或 conda install -c conda-forge nannyml，按你现有的环境管理方式选择即可。

Q：可以直接用 Docker 运行吗？

A：可以，官方镜像为 nannyml/nannyml，命令为 docker run -v /local/config/dir/:/config/ nannyml/nannyml nml run，注意把本地目录换成你的真实配置目录。

Q：想用最新开发版怎么装？

A：README 给出的方式是 python -m pip install git+https://github.com/NannyML/nannyml，但属于开发版本，官方提示使用风险自负。

注意事项

README 中的 Docker 命令原文写作 docker -v /local/config/dir/:/config/ run nannyml/nannyml nml run，参数顺序疑似笔误，本教程按可执行形式整理为 docker run -v ...。
开发版安装命令会拉取最新代码，稳定性无保证，生产环境建议使用 PyPI 或 conda 的正式版本。
README 的 Quick Start 只展示了 import nannyml as nml 等导入语句，完整用法与可视化示例请查阅官方文档 https://nannyml.readthedocs.io/en/stable/。
NannyML 完全与模型无关，当前支持表格类场景的分类与回归任务，可与 pandas、scikit-learn 集成使用。