反馈回路、再训练与标注

端到端机器学习

Joshua Stapleton

Machine Learning Engineer

反馈回路

  • 将模型输出视为系统输入：
    • 用指标/预测指导系统演进
    • 可用模型监控

 

  • ML 的核心组成：
    • 实现快速学习与调整
    • 更好适应变化

两个循环箭头展示反馈回路原理

端到端机器学习

反馈回路的实现

数据漂移检测

  • 输入数据分布随时间变化
  • 反馈回路：用新数据再训练

在线学习

  • 随数据变化定期再训练
  • 不止于漂移：适应数据结构变化

数据漂移

在线学习

端到端机器学习

反馈回路的风险

风险…

  • 模型输出会影响输入
  • 例如：社交媒体推荐：
    • 最大化用户参与
    • 学会推送特定内容
    • 促使用户更多观看此类内容
    • 等等
  • 形成不期望的行为模式
  • 自动化时更危险

表示风险的大红叉

端到端机器学习

更优的反馈回路用法

  • 被动应对：

    • 人在回路中
    • 模型预测不改变输入数据

  • 关键在于谨慎与监督！

用于更佳使用的大绿对勾

端到端机器学习

Passons à la pratique !

端到端机器学习

Preparing Video For Download...