理想的監控流程

Machine Learning 監控概念

Hakim Elakhrass

Co-founder and CEO of NannyML

監控流程

傳統監控流程

  • 計算技術效能

  • 依輸入資料偏移發出警示

  • 造成大量誤報

理想監控流程

  • 技術效能監控

    • 計算並估計效能
  • 根因分析

    • 將資料偏移與效能下滑連結

 

理想的監控流程:先做效能監控;若效能下降,再進行根因分析;最後處理問題。

Machine Learning 監控概念

監控效能

包含:

  • 計算效能——如準確率等技術指標

 

  • 估計效能——當無法取得真實標籤時

 

  • 衡量商業影響——監控關鍵績效指標(KPI)

  此圖為隨時間變化的準確率,顯示準確率下降並低於門檻。

此圖為 KPI 與時間的關係,顯示 KPI 始終落在門檻範圍內。

Machine Learning 監控概念

根因分析

目標是調查:

 

  • 協變量偏移——輸入資料分佈發生偏移

 

  • 概念飄移——特徵與目標之關係改變

此圖顯示運作正常模型下,藍色與紅色圓點的決策邊界。

此圖示範藍色圓點越過決策邊界,表示發生協變量偏移。

此圖顯示決策邊界改變,表示概念飄移。

Machine Learning 監控概念

問題處理

可能的解法:

  • 重新訓練——需要更多資料與運算資源

 

  • 重構情境——退一步重新思考所用方法

 

  • 調整下游流程——修改與預測相關的流程

  影像顯示數位大腦(機器學習模型)與資料庫間的加號,代表用更多資料重新訓練。

影像為繪圖板,上有關於特徵工程、已用特徵與線性迴歸的提問。

影像顯示一位工作者在電腦上人工檢核。

Machine Learning 監控概念

一起來練習吧!

Machine Learning 監控概念

Preparing Video For Download...