Deriva dei dati
Variazione nella distribuzione degli ingressi di un modello rispetto a un riferimento scelto esplicitamente.
Che cosa è cambiato nei dati in ingresso?
La deriva dei dati indica che la distribuzione degli ingressi di un modello cambia rispetto a un riferimento scelto. Il confronto può usare dati di addestramento o un periodo d’impiego precedente; il riferimento utilizzato deve essere definito. Si esaminano proprietà come frequenze delle categorie o intervalli di valori. Un segnale di deriva indica un possibile cambiamento. Occorre valutare a parte se provochi più previsioni errate. Dal solo segnale non si può neppure dedurre un cambiamento nel rapporto tra ingressi e obiettivo.
In un sistema fittizio di classificazione delle immagini, dopo l’introduzione di un nuovo dispositivo di ripresa aumenta la quota di foto poco illuminate. Per il confronto vengono documentati il periodo di riferimento e le condizioni di ripresa osservate. Si esaminano poi le immagini interessate e le assegnazioni di classe controllate sul piano operativo per ricercare possibili variazioni degli errori. Si verifica anche se siano effettivamente cambiate le modalità di ripresa o se vi sia un errore di trasferimento o elaborazione. Un confronto insolito giustifica questa indagine; non dimostra né un difetto del dispositivo né la necessità di un nuovo modello.
Fonti
Termini correlati
- Apprendimento automaticoI modelli apprendono schemi dai dati e li applicano a nuovi input.
- Visione artificialeMetodi per estrarre informazioni da immagini e video, ad esempio classificando oggetti, localizzandoli o distinguendo regioni dell’immagine.
- Dati di addestramentoGli esempi dai quali un modello apprende relazioni o parametri durante l’addestramento.
- Dati di test nell’apprendimento automaticoDati riservati alla valutazione finale i cui risultati non sono stati usati per scegliere la variante valutata.
- Bias dell’IADistorsioni sistematiche nei sistemi di IA che possono svantaggiare determinati casi o gruppi di persone.
- Deriva del modelloCalo della qualità predittiva di un modello quando dati o relazioni cambiano durante l’impiego.
Il vostro progetto con ASES
Descriveteci il vostro progetto. Vi ricontatteremo con una prima valutazione.