Find data- og modeldrift
Opdag, når verden ændrer sig under Dem.
Find data- og modeldrift er en gratis Deep Learning Academy-lektion på CoddyKit. Dette er lektion 3 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Deep Learning Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Verden bliver ved med at ændre sig
Din model lærte mønstrene fra i går, men virkelige data bliver ved med at ændre sig. Når de ændrer sig, bliver forudsigelserne stille og roligt dårligere. Vi kalder dette problem for drift. 🌊
To former for drift
Der er to former, du skal holde øje med. Datadrift betyder, at inputtene ændrer fordeling, mens begrebsdrift betyder, at forholdet mellem input og etiketter ændrer sig.
Et konkret eksempel
Et spamfilter, der er trænet på gamle e-mails, møder nye tricks, det aldrig har set før. Inputtene har ændret sig, så den tidligere skarpe nøjagtighed falder langsomt i produktionen.
Hold øje med inputfordelingen
Det første tegn på drift findes i features. Sammenlign fordelingen af de seneste input med dine træningsdata, og se efter en ændring i formen.
ref_mean = X_train.mean(axis=0)
live_mean = X_live.mean(axis=0)Mål forskellen
Hvis du vil kvantificere, hvor meget to fordelinger afviger fra hinanden, kan du bruge en statistik som KS, Kolmogorov-Smirnov-testen, der returnerer et tal og en p-værdi.
from scipy.stats import ks_2samp
stat, p = ks_2samp(X_train[:,0], X_live[:,0])Sæt en tærskel
En lille p-værdi betyder, at live-dataene ikke længere passer til træningsdataene. Vælg en tærskel, og udløs en alarm, hver gang forskellen overskrider den.
if p < 0.05:
print("drift detected")Hold også øje med forudsigelserne
Selv uden etiketter er spredningen i din models output et fingerpeg. En pludselig ændring i de forudsagte sandsynligheder signalerer ofte begyndende drift.
Det bedste signal er sandheden
Når de virkelige etiketter efterhånden bliver tilgængelige, skal du sammenligne dem med tidligere forudsigelser. Faldende live-nøjagtighed er det tydeligste og mest direkte bevis på, at drift skader dine resultater.
Værktøjer, der holder øje for dig
Du behøver ikke bygge det hele selv. Biblioteker som Evidently beregner driftrapporter for alle features og markerer de kolonner, der har ændret sig.
from evidently.report import ReportOvervåg løbende
Drift er ikke noget, du kun tjekker én gang. Kør disse sammenligninger efter en fast plan, så din overvågning opdager langsomme ændringer, længe før brugerne klager.
Detektion er halvdelen af kampen
Hvis du opdager drift tidligt, kan du handle, før skaden breder sig. Det naturlige næste skridt er at genindtræne på friske data og genskabe modellens forspring.
Hurtigt tjek
Hvad beskriver begrebsdrift specifikt?
Opsummering
Du har lært at opdage drift: sammenligne live-input med træningsdata, måle forskellen med test, holde øje med forudsigelser og overvåge efter en fast plan. 🎉
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Find data- og modeldrift” gratis?
Ja — hele teksten til “Find data- og modeldrift” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Deep Learning Academy-kurset, skal du opgradere til CoddyKit PRO. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Find data- og modeldrift”?
Opdag, når verden ændrer sig under Dem. Du øver dig i Deep Learning Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Deep Learning Academy?
Der kræves ingen tidligere erfaring. Deep Learning Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 3 af 4.
Hvor lang tid tager lektionen “Find data- og modeldrift”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Deep Learning Academy-lektion?
Ja. Alle Deep Learning Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Følg eksperimenter med Weights & Biases
- Versionsstyr data og modeller
- Find data- og modeldrift
- Automatisér retraining-pipelines