Ce este deplasarea covariatelor?

Monitorizarea conceptelor de Machine Learning

Hakim Elakhrass

Co-founder and CEO of NannyML

Definiții

  • variabilele covariate $=$ caracteristici de intrare
  • $P(X)$ se modifică
  • probabilitatea condițională $P(Y|X)$ rămâne aceeași
  • modificări în distribuția comună a covariatelor
Monitorizarea conceptelor de Machine Learning

De ce distribuția probabilității comune?

Un grafic ilustrează corelații pozitive și negative între caracteristica unu și caracteristica doi. Corelația pozitivă este observată la săptămâna 10, reprezentată prin culoarea albastră, iar corelația negativă la săptămâna 16, indicată prin culoarea roșie.

Monitorizarea conceptelor de Machine Learning

De ce apare deplasarea covariatelor?

Cauze potențiale ale deplasării covariatelor:

  • Lumea reală nu este staționară – tiparele și tendințele evoluează
  • Modificări ale surselor de date – variații în colectarea datelor între testare și producție
  • Evoluția sistemului și a mediului
Monitorizarea conceptelor de Machine Learning

Cum apare deplasarea covariatelor?

Dinamica modificărilor în distribuție:

  • Bruscă

 

  • Graduală

 

  • Sezonieră

 

Imaginea ilustrează o schimbare bruscă în distribuția datelor. Inițial, distribuția este reprezentată prin puncte albastre, dar după un anumit timp, trece brusc la puncte roșii.

Imaginea ilustrează o schimbare graduală în distribuția datelor. Inițial, distribuția este reprezentată prin puncte albastre, dar în timp trece treptat la puncte roșii, înainte de a reveni la albastru. Inițial, doar un punct își schimbă culoarea, dar după un timp întreaga distribuție devine roșie.

Imaginea ilustrează o schimbare sezonieră în distribuția datelor. Inițial, distribuția este reprezentată prin puncte albastre, dar după un timp trece brusc la puncte roșii, înainte de a reveni la albastru. Ciclul se repetă, evidențiind natura periodică a distribuției datelor.

Monitorizarea conceptelor de Machine Learning

Cum se detectează deplasarea covariatelor?

Metodă univariată

Distribuția valorilor de producție pentru fiecare lună, din septembrie până în martie. Sunt șapte distribuții. Din septembrie până în decembrie, distribuțiile sunt similare și cu variații mici, motiv pentru care sunt colorate cu albastru. Din ianuarie până în martie, distribuțiile se restrâng, media deplasându-se spre valori mai mici, ceea ce determină culoarea roșie, indicând modificări semnificative.

Metodă multivariată

Un flux de detectare a derivei multivariate, în care datele multidimensionale sunt mai întâi comprimate în spațiul latent și apoi decomprimat la forma inițială cu o anumită eroare.

1 https://app.datacamp.com/learn/courses/dimensionality-reduction-in-python
Monitorizarea conceptelor de Machine Learning

Să exersăm!

Monitorizarea conceptelor de Machine Learning

Preparing Video For Download...