Datadrift
En endring i fordelingen av modellens inndata sammenlignet med en eksplisitt valgt referanse.
Hva har endret seg i de innkommende dataene?
Datadrift betyr at fordelingen av modellens inndata endres sammenlignet med en valgt referanse. Treningsdata eller en tidligere bruksperiode kan brukes til sammenligningen; referansen som brukes, må være fastsatt. Egenskaper som kategorifrekvenser eller verdiområder undersøkes. Et signal om datadrift peker på en mulig endring. Om den fører til flere feil prediksjoner, må vurderes separat. En endret sammenheng mellom inndata og mål kan heller ikke utledes av signalet alene.
I et fiktivt system for bildeklassifisering øker andelen dårlig belyste bilder etter at en ny opptaksenhet tas i bruk. Referanseperioden og de observerte opptaksforholdene dokumenteres til sammenligningen. Deretter undersøkes de berørte bildene og klassetilordningene som fagpersoner har kontrollert for mulige endringer i feilene. Det undersøkes også om opptakspraksisen faktisk har endret seg, eller om det foreligger en overførings- eller behandlingsfeil. En uvanlig datasammenligning gir grunn til denne undersøkelsen; den beviser verken en feil på enheten eller behovet for en ny modell.
Kilder
Beslektede begreper
- MaskinlæringModeller lærer mønstre fra data og bruker dem på nye inndata.
- DatasynMetoder for å hente informasjon fra bilder og video, for eksempel ved å klassifisere objekter, finne plasseringen deres eller skille mellom bildeområder.
- TreningsdataEksemplene som en modell lærer sammenhenger eller parametere fra under treningen.
- Testdata i maskinlæringData til avsluttende vurdering der resultatene ikke er brukt til å velge modellvarianten som vurderes.
- KI-biasSystematiske skjevheter i KI-systemer som kan stille bestemte tilfeller eller grupper av mennesker dårligere.
- ModelldriftFallende kvalitet på en modells prediksjoner fordi data eller sammenhenger endres under bruk.
Ditt prosjekt med ASES
Beskriv prosjektet ditt for oss. Vi tar kontakt med en første vurdering.