如何因應概念漂移？

Machine Learning 監控概念

Hakim Elakhrass

Co-founder and CEO of NannyML

概念漂移偵測

• 以錯誤為基礎的方法
  • 追蹤錯誤隨時間的變化
  • 需要真實標籤（ground truth）

 

• 用訓練資料與生產資料訓練新模型
  • 預測的變化代表概念漂移
  • 進階情境下成本高

再訓練

優點：

• 讓模型跟上最新模式

 

缺點：

• 成本與失敗風險提高
• 無法提供問題的根因

線上學習

優點：

• 即時因應環境變化

 

缺點：

• 需持續取得真實標籤（ground truth）
• 對雜訊敏感
• 需審慎調參

其他解法

 

• 為重複性事件建置事件專用模型

 

• 調整新資料的權重
  • 更聚焦新資料，模型更易適應

 

一起來練習吧！

Machine Learning 監控概念