Modelldrift
Fallende kvalitet på en modells prediksjoner fordi data eller sammenhenger endres under bruk.
Hvorfor kan en uendret modell bli mindre egnet?
Modelldrift betegner fallende kvalitet på prediksjoner når data eller sammenhenger endres under bruk. Modellens lagrede vekter trenger ikke å endre seg for at dette skal skje. Concept Drift beskriver mer presist en endring i forholdet mellom inndata og målet som skal predikeres; datadrift gjelder fordelingen av inndata. Forskjellene hjelper når årsakene undersøkes. En endret datasammensetning beviser ikke i seg selv redusert prediksjonskvalitet.
I en fiktiv servicevirksomhet forkorter en ny vedlikeholdsmetode den faktiske arbeidstiden ved de samme hittil registrerte arbeidsegenskapene. En eldre prognosemodell kan derfor i økende grad forutsi for lange besøk. Ved gjennomgangen sammenlignes aktuelle prediksjoner med faktiske varigheter kontrollert av fagpersoner, inkludert de berørte arbeidstypene. Før en tilpasning undersøkes også feil tidsenheter, ufullstendige tilbakemeldinger og endrede registreringsregler. Hvis en ny modellvariant trenes, vurderes den med aktuelle eksempler holdt utenfor treningen og godkjennes separat før bruk. Reaksjonen avhenger av årsaken som blir funnet.
Kilder
Beslektede begreper
- MaskinlæringModeller lærer mønstre fra data og bruker dem på nye inndata.
- PrognosemodellEn modell som bruker tilgjengelige opplysninger til å anslå en fremtidig størrelse for en fastsatt periode.
- 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.
- Forklarbar KITilnærminger som gjør et KI-systems resultater eller virkemåte forståelige for de tiltenkte mottakerne.
- DatadriftEn endring i fordelingen av modellens inndata sammenlignet med en eksplisitt valgt referanse.
Ditt prosjekt med ASES
Beskriv prosjektet ditt for oss. Vi tar kontakt med en første vurdering.