Самая основная, фундаментальная причина для переобучения модели заключается в том, что внешний мир, который прогнозируется, продолжает меняться и, следовательно, изменяются базовые данные, вызывая дрейф модели.
Динамические среды
- Постоянно меняющиеся предпочтения клиентов.
- Быстро меняющееся конкурентное пространство.
- Географические сдвиги.
- Экономические факторы.
Что такое переобучение модели?
Под повторным обучением понимается просто повторное выполнение процесса, сгенерировавшего ранее выбранную модель, на новом обучающем наборе данныхФункции, алгоритм модели и пространство поиска гиперпараметров должны остаться прежними. Один из способов думать об этом состоит в том, что переобучение не требует каких-либо изменений в коде.
Как часто следует сохранять модель данных?
Организация должна хранить данные только в течение до тех пор, пока это необходимо, будь то шесть месяцев или шесть лет. Хранение данных дольше, чем необходимо, занимает ненужное пространство для хранения и стоит больше, чем нужно.
Почему важна переподготовка моделей?
Это показывает, почему переподготовка важна! Поскольку есть больше данных для изучения, а шаблоны, которым научилась модель, уже недостаточно хороши. Мир меняется, иногда быстро, иногда медленно, но он определенно меняется, и наша модель должна меняться вместе с ним.
Как вы поддерживаете модель машинного обучения?
Контролировать данные обучения и обслуживания на наличие загрязнения
- Проверяйте входящие данные. …
- Проверить перекос между обучением и обслуживанием. …
- Сведите к минимуму перекос между обучением и обслуживанием, обучая обслуживаемые функции. …
- Периодически удаляйте лишние функции. …
- Проверьте свою модель перед развертыванием. …
- Shadow выпускает вашу модель. …
- Контролируйте состояние вашей модели.
