Model drift
Fænomen hvor en maskinlæringsmodel gradvist mister præcision over tid, ofte på grund af ændringer i de underliggende data eller relationer.
Kort fortalt
Model drift betyder, at en AI-model bliver dårligere til at forudsige eller klassificere, fordi verden omkring den ændrer sig.
- Kategori
- begreb
- Niveau
- øvet
- Udtale
- /ˈmɒdəl drɪft/
Betydninger
1- 1
Forringelse af en models prædiktive ydeevne over tid som følge af ændringer i datafordelingen (concept drift) eller relationerne mellem input og output.
- Efter seks måneder begyndte kreditvurderingsmodellen at udvise model drift, fordi kundernes adfærd ændrede sig under pandemien. — Fiktivt eksempel
Hvornår bruges det
Model drift overvåges typisk efter en model er sat i produktion. Hvis driften opdages, kan modellen genoplæres eller opdateres med nye data. Det er især relevant i dynamiske miljøer som finans, e-handel og anbefalingssystemer.
Oprindelse
Fra engelsk 'drift' (drift, afdrift) i betydningen gradvis forskydning; termen kommer fra signalbehandling og statistik, hvor drift beskriver langsigtede ændringer i en måling.
Afledte ord
2Kilder
2- Learning under Concept Drift: A Review
- A Survey on Concept Drift Adaptation