Modelldrift
Försämrad kvalitet på en modells förutsägelser när data eller samband förändras under användningen.
Varför kan en oförändrad modell bli mindre lämplig?
Modelldrift betecknar försämrad kvalitet på förutsägelser när data eller samband förändras under användningen. Modellens sparade vikter behöver inte ändras för att detta ska ske. Konceptdrift beskriver mer specifikt en förändring i relationen mellan indata och det mål som ska förutsägas; datadrift gäller fördelningen av indata. Skillnaderna hjälper när orsaker undersöks. En ändrad datasammansättning bevisar inte i sig en försämring av förutsägelserna.
I en fiktiv serviceverksamhet förkortar en ny underhållsmetod den faktiska arbetstiden vid samma hittills registrerade arbetsegenskaper. En äldre prognosmodell skulle därför allt oftare kunna förutsäga för långa besök. Vid granskningen jämförs aktuella förutsägelser med sakligt kontrollerade faktiska tidsåtgångar, inklusive de berörda arbetstyperna. Före en anpassning undersöks även felaktiga tidsenheter, ofullständiga återrapporteringar och ändrade registreringsregler. Om en ny modellvariant tränas bedöms den med aktuella exempel som hållits utanför träningen och godkänns separat före införandet. Åtgärden beror på den identifierade orsaken.
Källor
Relaterade begrepp
- MaskininlärningModeller lär sig mönster från data och använder dem på nya indata.
- PrognosmodellEn modell som använder tillgänglig information för att uppskatta ett framtida värde för en bestämd period.
- TräningsdataDe exempel som en modell lär sig samband eller parametrar från under träningen.
- Testdata inom maskininlärningData för slutbedömning vars resultat inte har använts för att välja den modellvariant som bedöms.
- Förklarbar AIMetoder som gör ett AI-systems resultat eller arbetssätt begripliga för de avsedda mottagarna.
- DatadriftEn förändring i fördelningen av modellens indata jämfört med en uttryckligen vald referens.
Ditt projekt med ASES
Beskriv ditt projekt för oss. Vi hör av oss med en första bedömning.