数据集概述
本数据集为论文《Augur: A Step Towards Realistic Drift Detection in Production ML Systems》的实验结果数据，包含使用Predictor工具运行不同实验的输入与输出，涉及多种数据漂移类型（如渐进式、突发式、复发性等），以压缩包形式存储实验指标，辅以说明文档和参考文献。
文件详解
- 说明文档:
- README.md: Markdown格式，介绍数据集背景、实验内容及代码开源进度说明
- 实验结果文件:
- 8个ZIP格式压缩包（如exp-00_gradual_0-6_metrics-2021-12-02-12-32-46.zip等）: 存储不同类型漂移实验（渐进式、突发式、复发性、激进式等）的指标数据
- 参考文献文件:
- Annotated Bibliography of Drift Detection Methods.pdf: PDF格式，漂移检测方法的带注释参考文献
适用场景
- 机器学习漂移检测研究: 分析不同类型数据漂移的检测效果与指标变化
- 生产环境ML系统稳定性研究: 探究真实场景下ML系统漂移的特征与应对策略
- 医疗影像领域应用: 结合CT图像检测场景，研究特定领域的漂移检测方法优化
- 文献综述参考: 通过带注释参考文献，支持漂移检测方法的系统性研究
