ДРИФТ МОДЕЛЕЙ, АВТОМАТИЧЕСКОЕ ПЕРЕОБУЧЕНИЕ И КАК НЕ УБИТЬ СВОИ МОДЕЛИ Модели прогнозирования, используемые в бизнес-процессах, со временем теряют свою ценность для бизнеса. Это может быть связано с дрейфом модели или результатом непредвиденных побочных эффектов автоматического переобучения модели. В этом блоге мы объясняем, что такое дрейф модели и почему (автоматическое) переобучение может быть хорошим способом справиться с ним. И мы обсуждаем причины, по которым переподготовку..

Как понять и использовать расхождение Дженсена-Шеннона Учебник по математике, логике и практическому применению JS Divergence, включая то, как его лучше всего использовать для мониторинга дрейфа. Эта статья написана в соавторстве с Джейсоном Лопатецки, генеральным директором и соучредителем Arize AI В системах машинного обучения мониторинг дрейфа может иметь решающее значение для обеспечения качественного машинного обучения. Некоторые распространенные варианты использования..

Изучение промышленного индекса Доу-Джонса с использованием линейной регрессии Простой пример выбора функций и дрейфа модели Промышленный индекс Доу-Джонса (DJIA) был впервые представлен Чарльзом Доу в 1896 году и с тех пор стал одним из основных ориентиров для показателей фондового рынка на Нью-Йоркской фондовой бирже . В этом посте мы будем использовать его, чтобы лучше понять плюсы и минусы простых моделей линейной регрессии, предположения, на которые они опираются, и то, как..

Прогнозные модели также страдают от изменений, которые происходят с течением времени, и очень важно решать проблемы ухудшения качества модели при ее производственной реализации Введение: Изменения неизбежны, и ваша прогностическая модель не является исключением 😊 Когда производительность вашей модели со временем ухудшается, это называется дрейфом модели или распадом модели. В целом существует два типа дрейфа модели. 1. Дрейф концепции 2. Дрейф данных Движение концепции:..

Это будет серия из трех частей, в которой будут обсуждаться все аспекты переобучения модели, поэтому вам не придется беспокоиться о снижении производительности модели после развертывания. За этой серией из трех частей последует сценарий, в котором мы обсудим, как можно реализовать переобучение модели различными способами. Итак, вы создали готовую к производству модель машинного обучения. Вы развертываете эту модель, чтобы делать прогнозы, и она отлично работает в реальном мире. Какой..