Мониторинг и визуализация

Сквозное машинное обучение

Joshua Stapleton

Machine Learning Engineer

Что дальше?

Обучена, оптимизирована, развёрнута, предсказывает... что дальше?
Мониторинг
- Логирование результатов
- Визуализация производительности

Этап мониторинга в жизненном цикле машинного обучения

Логирование с помощью Python

import logging
import matplotlib.pyplot as plt

# Setting up basic logging configuration
logging.basicConfig(filename='predictions.log', level=logging.INFO)

# Make predictions on the test set and log the results
for i in range(X_test.shape[0]):
    instance = X_test[i,:].reshape(1, -1)
    prediction = model.predict(instance)
    logging.info(f'Inst. {i} - PredClass: {prediction[0]}, RealClass: {y_test[i]}')

Логирование с помощью Python (продолжение)

# Function to visualize the predictions from log
with open(logfile, 'r') as f:
    lines = f.readlines()
    predicted_classes = [int(line.split("Predicted Class: ")[1].split(",")[0]) \
        for line in lines]

    # Perform data analysis, visualization, etc.
    ...

Используйте логирование Python для отслеживания производительности модели

Визуализация

Анализ производительности во времени
Преобразование сырых данных входов и предсказаний в полезные выводы

import matplotlib.pyplot as plt


# Sample data: Random accuracy values for 12 months
months = ["Jan", "Feb", "Mar", ...]
accuracies = [0.86, 0.91, 0.74, ...]

plt.plot(months, accuracies, '-o')
plt.title("Model Accuracy Over Months")
plt.xlabel("Months")
plt.ylabel("Accuracy")
plt.show()

Пример визуализации

Линейный график гипотетической точности модели за 12 месяцев

Логирование

Запись событий
- Отслеживание значений переменных, вызовов функций
- Информация о ходе выполнения и производительности
Мониторинг помогает отслеживать:
- Использование, производительность, ошибки и аномалии

2023-08-04 09:15:20 [INFO] Model version 1.2.7 started

2023-08-04 09:15:45 [INFO] Preprocessing input data for prediction

2023-08-04 09:15:47 [DEBUG] Input data shape: (1, 12)

2023-08-04 09:15:48 [INFO] Making prediction

2023-08-04 09:15:50 [DEBUG] Output prediction: [0.78]

...

Примеры визуализации

Полезная метрика для модели: сбалансированная точность во времени
Выявление тенденций и снижения производительности
Оценка необходимости повторного обучения
Выбор подходящих метрик для конкретного случая

Пример:

Сбалансированная точность отклоняется от ожидаемых реальных значений
Возможный признак проблемы
Выбирайте метрики и анализируйте их

Визуализация сбалансированной точности модели

Давайте потренируемся!

Сквозное машинное обучение