ページ内ナビ
概要
EvidentlyはML・LLM-powered systemやdata pipelineをevaluate、test、monitorするopen-source Python frameworkです。data drift、data quality、predictive model、text/LLM output等を100+ built-in metricsで評価し、Report、Test Suite、monitoring UIへ接続できます。
特徴と向いている用途
公式資料に基づく紹介・実機未検証 · 内容確認日:
主な特徴
Reportでdata・ML・LLM metricsをまとめて計算する
Presetや個別metricからReportを構成し、interactive表示、JSON/dict/HTML exportでexperimentやdebuggingへ利用できます。
出典:[1]
pass/fail条件を付けてCI向けTest Suiteへ変換する
Reportへconditionを加えてregression testやdata validationとして使え、reference datasetから条件を自動生成するworkflowも提供します。
出典:[1]
offline evaluationからmonitoring UIまで段階的に導入する
one-off evaluationだけでも使え、必要に応じてself-hosted monitoring UIへmetric/test結果を蓄積できます。
出典:[1]
向いている用途
model/data/LLM品質を同じ評価基盤で追跡したいteamに向く
tabular dataからGenAIまで、experiment・CI・production monitoringを共通metric vocabularyでつなぎたいML/LLM teamに適します。
出典:[1]
導入前の確認
Python 3.10+とscientific Python dependencyを前提にする
0.7.23はPython 3.10+を要求し、pandas、scikit-learn、SciPy、statsmodels等をcore dependencyとして導入します。
出典:[2]
参考にした公式資料
- [1]Evidently 0.7.23 README(2026-10-04)
- [2]Evidently 0.7.23 project metadata(2026-10-04)
- [3]Evidently 0.7.23 release(2026-10-04)
- [4]Evidently Apache-2.0 license(2026-10-04)
編集部からの補足
core packageはPython 3.10+で、LLM-as-a-judge等はoptional llm dependenciesや外部model/APIを必要とする場合があります。まずoffline metrics/testから導入し、外部評価modelを使う場合はcost・privacy・reproducibilityを別途管理してください。
3ステップで試す
- 1
Python 3.10+ virtualenvへEvidently 0.7.23を導入する
core packageだけをversion固定で導入し、外部LLM APIは使いません。
python3 -m venv evidently-demo && . evidently-demo/bin/activate && pip install 'evidently==0.7.23' - 2
local Data Drift Reportを作成する
local DataFrameだけでReport APIを試すsampleを作成します。
printf 'import pandas as pd\nfrom evidently import Report\nfrom evidently.presets import DataDriftPreset\nref=pd.DataFrame({"x":[1,2,3,4,5]})\ncur=pd.DataFrame({"x":[1,2,3,5,8]})\nr=Report([DataDriftPreset()]).run(cur, ref)\nprint(type(r).__name__)\n' > evidently-demo/demo.py - 3
offline evaluationを実行する
外部serviceやmodelを呼ばずReport resultが生成されることを確認します。
. evidently-demo/bin/activate && python evidently-demo/demo.py
成長
成長の推移 · 直近30日
7,967 Stars
推移データを蓄積中です。
開発アクティビティ
直近90日・週次
- Commit(直近30日)
- 3
- Open PR
- 77
開発アクティビティを蓄積中です。
Built with
カテゴリとタグ
GitHubデータ
GitHubのデータGitHubの詳細データを見る
GitHub Topics
- data-drift
- jupyter-notebook
- pandas-dataframe
- machine-learning
- model-monitoring
- html-report
- mlops
- data-science
- hacktoberfest
- data-quality
- data-validation
- generative-ai
- Stars
- 7,967
- Forks
- 943
- Watchers
- 56
- Open Issues
- 246
- Contributors
- 88
- 所有者種別
- Organization
- 主要言語
- Jupyter Notebook
- ライセンス
- Apache-2.0
- リポジトリ最終更新
- 2026/09/29
関連情報
関連記事を投稿するこのOSSの使い方や活用事例をMarkdownで投稿できます。管理者が承認した後に公開されます。
あわせて探訪
- Fluent Bit8,130 Stars
共通タグ 1件 · 共通カテゴリ 2件
logs・metrics・tracesを軽量plugin pipelineで収集・変換・配送するTelemetry Agent
C - LangWatch4,911 Stars
共通タグ 1件 · 共通カテゴリ 2件
LLM tracing・evaluation・agent testを同じplatformで回す
TypeScript - Transformers166,909 Stars
共通タグ 2件 · 共通カテゴリ 1件
text・vision・audio・multimodal modelを共通AutoClass/Pipeline APIでload・inference・trainingするmodel-definition framework
Python - Prometheus66,346 Stars
共通タグ 2件 · 共通カテゴリ 1件
PromQLとpull型収集で時系列メトリクスを監視・alertする
Go - Kibana21,304 Stars
共通タグ 2件 · 共通カテゴリ 1件
Elasticsearchの検索・可視化・Observability/Security操作を担うinterface
TypeScript - Keep12,374 Stars
共通タグ 2件 · 共通カテゴリ 1件
監視toolのalertを一画面へ集約し、相関・enrichment・対応workflowまでつなげる
Python
情報の誤りを報告
掲載内容に誤りや古い情報があればお知らせください。