Drift Data vs Drift Konsep
Bedakan perubahan input dari perubahan target.
Drift Data vs Drift Konsep adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Dua Cara Dunia Berubah
Model Anda dilatih menggunakan gambaran masa lalu. Ketika kenyataan berubah, model tersebut dapat diam-diam menjadi usang. Ada dua cara berbeda hal ini terjadi: pergeseran data dan pergeseran konsep. 🌍
Makna Pergeseran Data
Pergeseran data terjadi ketika bentuk data masukan berubah seiring waktu. Fitur yang kini dilihat model tidak lagi tampak seperti fitur yang digunakan untuk melatihnya.
Contoh Pergeseran Data
Model pinjaman yang dilatih sebelum pandemi tiba-tiba melihat pendapatan dan saldo yang sangat berbeda. Masukannya berubah, meskipun maknanya tidak berubah. Itulah pergeseran data murni.
Makna Pergeseran Konsep
Pergeseran konsep lebih sulit dikenali: masukan mungkin tampak sama, tetapi hubungan antara masukan dan target telah berubah tanpa Anda sadari.
Contoh Pergeseran Konsep
Penyaring spam melihat surel yang tampak normal, tetapi pengirim spam menemukan cara-cara baru. Kata-kata yang sama kini memiliki makna berbeda, sehingga pemetaan masukan ke label berubah. Itulah pergeseran konsep.
Perbedaan Utama
Pergeseran data mengubah P(X), yaitu distribusi masukan. Pergeseran konsep mengubah P(y given X), yaitu pemetaan dari masukan ke label. Bedakan keduanya dengan menanyakan bagian mana yang berubah. 🔑
Mengapa Ini Penting bagi Anda
Pergeseran data dapat menurunkan akurasi, tetapi terkadang model masih dapat mengatasinya. Pergeseran konsep hampir selalu berdampak buruk karena kebenaran itu sendiri telah menjauh dari hal yang Anda pelajari.
Mendeteksi Setiap Jenis
Anda dapat menemukan pergeseran data dengan memantau distribusi masukan, tanpa memerlukan label. Pergeseran konsep biasanya memerlukan hasil karena Anda harus membandingkan prediksi dengan hasil nyata.
Menamai Masukan Anda
Memiliki referensi yang rapi untuk membandingkan masukan pelatihan dengan masukan saat ini akan sangat membantu. Konfigurasi kecil membuat pemeriksaan pergeseran mudah dihubungkan nantinya.
reference = train_df[["income", "balance", "age"]]
current = live_df[["income", "balance", "age"]]
features = list(reference.columns)Pergeseran Label Juga
Kerabat dekatnya adalah pergeseran label: komposisi kelas target berubah, misalnya penipuan meningkat dari 1% menjadi 5%. Hal ini dapat menandakan adanya pergeseran data atau konsep di balik layar.
Pergeseran Itu Normal, Bukan Langka
Pergeseran bukan kejadian aneh; itu adalah keadaan bawaan setiap model yang berjalan. Tugas Anda bukan mencegahnya, melainkan mendeteksinya lebih awal dan merespons tepat waktu. ✅
Pemeriksaan Singkat
Mari pastikan Anda dapat membedakan keduanya.
Ringkasan
Ada dua jenis perubahan: pergeseran data mengubah masukan, sedangkan pergeseran konsep mengubah makna. Tanyakan bagian mana yang berubah, dan ingat bahwa pergeseran itu normal, jadi selalu siap mendeteksinya. 🎯
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Drift Data vs Drift Konsep” gratis?
Ya — teks lengkap “Drift Data vs Drift Konsep” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Drift Data vs Drift Konsep”?
Bedakan perubahan input dari perubahan target. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Drift Data vs Drift Konsep” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Drift Data vs Drift Konsep
- Ukur Drift dengan PSI dan KS
- Buat Laporan Drift dengan Evidently
- Tetapkan Ambang dan Pemicu Drift