Най-основната, фундаментална причина за преквалификация на модела е, че външният свят, който се прогнозира, продължава да се променя и следователно основните данни се променят, причинявайки отклонение на модела.
Динамични среди
- Постоянно променящи се предпочитания на клиента.
- Бързо движещо се конкурентно пространство.
- Географски измествания.
- Икономически фактори.
Какво е преквалифициране на модел?
По-скоро преобучение просто препраща за повторно стартиране на процеса, генерирал по-рано избрания модел върху нов набор от данни за обучениеХарактеристиките, алгоритъмът на модела и пространството за търсене на хиперпараметри трябва да останат същите. Един от начините да помислите за това е, че преквалификацията не включва никакви промени в кода.
Колко често трябва да се запазва модел на данни?
Една организация трябва да съхранява данни само за , докато е необходимо, независимо дали това е шест месеца или шест години. Запазването на данни по-дълго от необходимото заема ненужно място за съхранение и струва повече от необходимото.
Защо преквалификацията на модел е важна?
Това показва защо преквалификацията е важна! Тъй като има повече данни, от които да се учи и моделите, които моделът е научил, вече не са достатъчно добри. Светът се променя, понякога бързо, понякога бавно, но определено се променя и нашият модел трябва да се промени с него.
Как поддържате модел на машинно обучение?
Монитор на данни за обучение и обслужване за замърсяване
- Проверете входящите си данни. …
- Проверете за изкривяване на тренировка-сервиране. …
- Намалете до минимум изкривяването при обучение и обслужване чрез обучение на обслужвани функции. …
- Отрязвайте периодично излишните функции. …
- Проверете модела си преди внедряване. …
- Освободете своя модел в сянка. …
- Наблюдавайте здравето на вашия модел.
