Uitleg
Data drift treedt op wanneer real-world data verschilt van trainingsdata, waardoor model prestaties afnemen. Dit kan gebeuren door seizoensgebonden veranderingen, economische trends of gedragswijzigingen. Drift detection is kritiek in productie ML.
Monitoring en regelmatig retraining kunnen data drift voorkomen.
⚡ Voorbeelden
- •Aanbevelingssysteem dat minder accurate wordt terwijl gebruikersmening verandert
- •Fraudedetectie model dat slecht wordt tegen nieuwe fraudepatronen
- •Weer forecast model dat slechtere prestaties levert na klimaatverandertng
Trefwoorden
veranderingdistributieafnamemonitoringretraining