Xử lý concept drift như thế nào?

Các khái niệm Giám sát Machine Learning

Hakim Elakhrass

Co-founder and CEO of NannyML

Phát hiện concept drift

  • Phương pháp dựa trên lỗi
    • theo dõi thay đổi lỗi theo thời gian
    • cần ground truth

 

  • Huấn luyện mô hình mới với dữ liệu huấn luyện và sản xuất
    • thay đổi dự đoán là concept drift
    • tốn kém trong các trường hợp nâng cao
Các khái niệm Giám sát Machine Learning

Tái huấn luyện

Hình gồm hai biểu đồ: biểu đồ đầu cho thấy độ chính xác giảm dần theo thời gian; biểu đồ thứ hai giảm nhẹ rồi tái huấn luyện, độ chính xác tăng trở lại, lặp lại theo chu kỳ.

Ưu điểm:

  • giữ mô hình cập nhật theo mẫu mới

 

Nhược điểm:

  • tăng chi phí và rủi ro lỗi
  • không chỉ ra nguyên nhân gốc rễ
Các khái niệm Giám sát Machine Learning

Học trực tuyến

Hình minh họa chu trình học trực tuyến: dữ liệu từ ứng dụng vào cơ sở dữ liệu, dùng ngay để cập nhật mô hình; mô hình cập nhật được triển khai lại.

Ưu điểm:

  • thích ứng theo thời gian thực với thay đổi

 

Nhược điểm:

  • cần truy cập ground truth liên tục
  • nhạy với nhiễu
  • cần tinh chỉnh tham số cẩn thận
Các khái niệm Giám sát Machine Learning

Các cách xử lý khác

 

  • Mô hình theo sự kiện cho các sự kiện lặp lại

 

  • Gán trọng số cho dữ liệu mới
    • tập trung hơn vào dữ liệu mới giúp mô hình thích ứng dễ hơn

 

Hình timeline: mô hình thường triển khai ngày 23/11, mô hình Black Friday triển khai ngày 24/11, sau đó mô hình thường được triển khai lại.

Các khái niệm Giám sát Machine Learning

Ayo berlatih!

Các khái niệm Giám sát Machine Learning

Preparing Video For Download...