Model Drift
Categoria
MLOps é Infraestrutura
Model Drift é a degradação gradual do desempenho de um modelo de ML em produção ao longo do tempo. Ocorre quando as condições do mundo real mudam em relação ao cenário em que o modelo foi treinado, tornando suas predições cada vez menos precisas.
Categoria
MLOps é Infraestrutura
Compartilhar
O que é Model Drift
Model Drift refere-se a qualquer tipo de degradação no desempenho de um modelo de machine learning apos sua implantacao em produção. E um fenômeno inevitavel, pois o mundo real é dinâmico é as condições mudam constantemente.
Tipos de drift:
- Data drift: as features de entrada mudam de distribuição
- Concept drift: a relação entre features é resultado muda
- Label drift: a distribuição das classes/targets muda
- Feature drift: mudança em features específicas
Causas comuns:
- Mudancas sazonais é tendências de mercado
- Novos produtos, serviços ou segmentos
- Alteracoes em sistemas de coleta de dados
- Eventos externos (pandemias, crises)
A Trilion monitora drift em todos os modelos em produção, útilizando testes estatísticos automatizados para detectar mudanças significativas é acionar retraining quando necessário.
