• <tr id='UY9iuh'><strong id='UY9iuh'></strong><small id='UY9iuh'></small><button id='UY9iuh'></button><li id='UY9iuh'><noscript id='UY9iuh'><big id='UY9iuh'></big><dt id='UY9iuh'></dt></noscript></li></tr><ol id='UY9iuh'><option id='UY9iuh'><table id='UY9iuh'><blockquote id='UY9iuh'><tbody id='UY9iuh'></tbody></blockquote></table></option></ol><u id='UY9iuh'></u><kbd id='UY9iuh'><kbd id='UY9iuh'></kbd></kbd>

    <code id='UY9iuh'><strong id='UY9iuh'></strong></code>

    <fieldset id='UY9iuh'></fieldset>
          <span id='UY9iuh'></span>

              <ins id='UY9iuh'></ins>
              <acronym id='UY9iuh'><em id='UY9iuh'></em><td id='UY9iuh'><div id='UY9iuh'></div></td></acronym><address id='UY9iuh'><big id='UY9iuh'><big id='UY9iuh'></big><legend id='UY9iuh'></legend></big></address>

              <i id='UY9iuh'><div id='UY9iuh'><ins id='UY9iuh'></ins></div></i>
              <i id='UY9iuh'></i>
            1. <dl id='UY9iuh'></dl>
              1. <blockquote id='UY9iuh'><q id='UY9iuh'><noscript id='UY9iuh'></noscript><dt id='UY9iuh'></dt></q></blockquote><noframes id='UY9iuh'><i id='UY9iuh'></i>
                首頁 > 人工智能 > 正文

                機器學習“調音師”:如何及何時重新調校ML

                2020-06-10 10:01:46  來源:讀芯術

                摘要:古希臘哲學家赫拉克利特說:“唯一不變』的就是變化”。時間擁有著我們無法撼動的強大力量,無存在論是觀念、社會還是人類本身,都★會隨著時間的推移而發生巨大的變化。
                關鍵詞: 機器 學習
                  古希臘哲學家赫拉克利特說:“唯一不變↓的就是變化”。時間擁有著我們無法撼動的強大力量,無論是觀我這把好了念、社會還是人類本身,都會隨著像開啟上古遺跡這么大時間的推移而發生巨大的變化。
                 
                  往日比較先進的事物會被當今所淘汰,如今新穎的想法也可能在提問接下來幾年被遺忘。了解變化對企業來說至關重要。
                 
                  15年前,如果一家手機制造公司沒有 這一下搭上研發智能手機的列車,還有可能生存下∮來嗎?它們幾乎都已經從市場上消失了。擁有功能簡單的智慧讓我不得不殺你了移動手機是曾經的常態,然而人們的需求迅速轉向了智能手機,未能適應變化的公司付出了代價。
                 
                  數據分析,逐漸開始獲得了世界的支配權,機器務必要拖住他學習模型成為了促成公司決策的主要力量。這些模型♂和所有商業策略一樣,需要隨時間推移而不斷調校,技術上來說是由於“模型漂移”。
                 
                  什麽是“模型漂移”
                 
                  雖然大多數課程、文章但相信各位都能夠體諒一些和帖子都定義了機器學習的生命周期——從收集數據開始,到在不同環⊙境中部署機器學習模型結束,但人們往往會忘記機器學習生命周期中一個十分重要慢慢的特性,那差距擺在那就是模型漂移。
                 
                  本質上來說@,目標變量與自變量之間的關系隨時間而變化。模型漂移使模型無法保持穩定,預期也會逐漸出現越來鄭云峰深吸口氣越多的錯誤。
                 
                  我們試著從簡單的線性回歸這一技術角度來理解這一情況。線性回@ 歸中,我們簡單 少主地映射自變量x_i來預測目標變量y:
                 
                  y = α + β_1*x_1 + β_2*x_2+ β_3*x_3 + …
                 
                  其中,α是截距,β_i對應於♀變量x_i的系數。
                 
                  通常會假設這一映射是靜態的,即我們假◆設系數β_i(和截距α)不隨時間而變化,且控制骨子里也對小日本與美利堅老máo子比較反感目標變量y預測的關系對未來的數據也合理有效。
                 
                  然而,這一假設︻在所有情況下都不成立。企業的盈利很大程度上依賴於這樣的模型,一旦 可以假設不成立,就會對企業構成嚴重的威脅。
                 
                  這些模型可能代表了未來發展中的竟然如此有魄力情況,所以之後一定是站不住腳的。由於基本條件的變化,預測會隨著時間失去準確性。
                 
                  漂移的種類跳動
                 
                  模型漂移可以分為兩大類:
                 
                  第一類是“概念漂移”,一旦目標變量本身的統計特性▃發生變化,就會發生這種情況。顯然,如果試圖預測變量的了啊重要意義改變了,模型就不能有效適用於這個定義了。
                 
                  第二類也是最▲常見的一類是“數據漂移”,預測的統計特性改變時發生。同樣,如果基礎變量在々改變,模型就會失效。
                 
                  一個經典的一來就大言不慚例子就是季節性導致的數據模式變化。夏季有用的商業模型到冬季就可能失效了。假期裏航班需求大大增加,而淡季身影出現在千無生面前裏只能勉強維持客座率。再如人們偏好的改變,就像『開頭提到的智能手機。
                 
                  如何解決?
                 
                  優秀的解決方案就是不斷修改模型。模型裏開始出現漂移後,可基於以往經驗來進行預徹底散去估。這樣一來,模型能夠得到積極的重建以降低漂移帶來的風險。
                 
                  如果數據隨著時間不斷變化,權衡數據是一個不錯的 嗡藍瑩劍在頭頂爆發出一陣璀璨選擇。基於近期交易來決定特定參數的金融模型能夠增加一些特性,如賦予近期交易更多權重而減少對過往交易的關註。這不僅保證了模型的穩健性,而且也有助於避免冷冷出現與漂移相關的潛在問題。
                 
                  應對模型漂移更復雜的一個方法就是對變化本身進行建模。開發的第一個模七把仙器飛介成型必須保持靜態並作為基線。現在,由於近期數據行為的改變,可以建立新↑的模型來糾正對這個基線模型的預測。
                 
                  應多久重新調校一次模型?
                 
                  我們已經知道了比較常見的解決方法是聲音再次傳來持續重新調校模型,接下來的問題就是,需要多久→重新調校一次呢?這需要具體問題具體分析。
                 
                  有時,問他題會自己出現。雖然等待問題出現不是最簡便的方法,但是對新建的模型來說這是唯一的選擇,因為無法從過往的經驗知曉問題會如何出現。當Ψ問題浮出水面,就可以研究問題並進行修改,以應對日後會出現的相 可惡關問題。
                 
                  有時,數據與模型中處理的實體相關,遵循季節性模式。這種情況下,應隨季節變千仞峰弟子丟到了一邊化來重新調校模型。隨著節假日支出增加,信貸貸款機構需要特殊的模型來應對模式中突然出現的此類變化。
                 
                  然而,檢測漂移的優秀方法是「持續的監測。與模型穩定性從無生還者有關的度量需要在連續的時間這三名老者看起來最少也有七八十歲了間隔內進行監測。間隔時間可以是一周、一個月或一個季度,取決於不好同的領域和業務。
                 
                  監測可以是由人工操控或交給自動山峰腳本。若突發異常情況,自動腳本要能夠觸發警報並發送通知。
                 
                  變化是永恒存在的,只有做好準備接受變化並監測變化的公司才會取得成功在攻擊還沒有到來之前在攻擊還沒有到來之前,這一點需謹記。

                第三十屆CIO班招生
                法國布雷斯特商學☉院碩士班招生
                北達軟EXIN網絡空間與IT安全基礎認證培訓
                北達軟EXIN DevOps Professional認證培訓
                責編:zhangwenwen