如何应对概念漂移？

机器学习监控概念

Hakim Elakhrass

Co-founder and CEO of NannyML

概念漂移检测

• 基于误差的方法
  • 跟踪误差随时间的变化
  • 需要真实标签

 

• 用训练数据和生产数据训练新模型
  • 预测变化即为概念漂移
  • 在复杂场景中成本高

再训练

优势：

• 使模型与最新模式保持一致

 

劣势：

• 成本更高，失败风险增加
• 不提供问题根因

在线学习

优势：

• 实时适应变化条件

 

劣势：

• 需要持续获得真实标签
• 对噪声敏感
• 需谨慎调参

其他解决方案

 

• 针对重复事件的特定模型

 

• 设定新数据的权重
  • 更侧重新数据时，模型更易适应

 

让我们来练习！

机器学习监控概念