Model Drift
Categoria
MLOps e Infraestrutura
Model Drift e a degradacao gradual do desempenho de um modelo de ML em producao ao longo do tempo. Ocorre quando as condicoes do mundo real mudam em relacao ao cenario em que o modelo foi treinado, tornando suas predicoes cada vez menos precisas.
Categoria
MLOps e Infraestrutura
Compartilhar
O que e Model Drift
Model Drift refere-se a qualquer tipo de degradacao no desempenho de um modelo de machine learning apos sua implantacao em producao. E um fenomeno inevitavel, pois o mundo real e dinamico e as condicoes mudam constantemente.
Tipos de drift:
- Data drift: as features de entrada mudam de distribuicao
- Concept drift: a relacao entre features e resultado muda
- Label drift: a distribuicao das classes/targets muda
- Feature drift: mudanca em features especificas
Causas comuns:
- Mudancas sazonais e tendencias de mercado
- Novos produtos, servicos ou segmentos
- Alteracoes em sistemas de coleta de dados
- Eventos externos (pandemias, crises)
A Trilion monitora drift em todos os modelos em producao, utilizando testes estatisticos automatizados para detectar mudancas significativas e acionar retraining quando necessario.
