Deriva de datos
Cambio en la distribución de las entradas de un modelo respecto a una referencia elegida explícitamente.
¿Qué ha cambiado en los datos entrantes?
La deriva de datos significa que cambia la distribución de las entradas de un modelo respecto a una referencia elegida. Pueden compararse con datos de entrenamiento o un periodo de uso anterior; la referencia utilizada debe estar definida. Se examinan propiedades como frecuencias de categorías o rangos de valores. Una señal de deriva apunta a un posible cambio. Debe evaluarse aparte si produce más predicciones incorrectas. Tampoco permite deducir por sí sola un cambio en la relación entre las entradas y el objetivo.
En un sistema ficticio de clasificación de imágenes, aumenta la proporción de fotos con poca iluminación tras introducir un nuevo dispositivo de captura. Para la comparación se documentan el periodo de referencia y las condiciones de captura observadas. Después se examinan las imágenes afectadas y sus asignaciones de clase comprobadas operativamente para investigar posibles cambios en los errores. También se estudia si cambiaron realmente las prácticas de captura o si existe un error de transferencia o procesamiento. Una comparación inusual justifica esa investigación; no demuestra un defecto del dispositivo ni la necesidad de un modelo nuevo.
Fuentes
Términos relacionados
- Aprendizaje automáticoLos modelos aprenden patrones de los datos y los aplican a nuevas entradas.
- Visión artificialMétodos para extraer información de imágenes y vídeos, como clasificar objetos, localizarlos o distinguir regiones de una imagen.
- Datos de entrenamientoLos ejemplos a partir de los que un modelo aprende relaciones o parámetros durante el entrenamiento.
- Datos de prueba en aprendizaje automáticoDatos reservados para la evaluación final cuyos resultados no se utilizaron para seleccionar la variante evaluada.
- Sesgo de la IADistorsiones sistemáticas en sistemas de IA que pueden perjudicar a determinados casos o grupos de personas.
- Deriva del modeloPérdida de calidad predictiva de un modelo cuando cambian los datos o las relaciones durante su uso.
Su proyecto con ASES
Descríbanos su proyecto. Le responderemos con una primera valoración.