اساسی ترین و اساسی ترین دلیل برای بازآموزی مدل این است که دنیای بیرونی که پیش بینی می شود مدام در حال تغییر است و در نتیجه داده های اساسی تغییر می کند و باعث تغییر مدل می شود .. …
محیط های پویا
- اولویت مشتری همیشه در حال تغییر.
- فضای رقابتی در حال حرکت به سرعت.
- تغییرهای جغرافیایی.
- عوامل اقتصادی.
بازآموزی یک مدل چیست؟
در عوض بازآموزی به سادگی به اجرای مجدد فرآیندی اشاره می کند که مدل انتخاب شده قبلی را روی مجموعه آموزشی جدیدی از داده ها ایجاد کردویژگی‌ها، الگوریتم مدل و فضای جستجوی فراپارامتر همگی باید ثابت بمانند. یکی از راه‌های فکر کردن به این موضوع این است که آموزش مجدد شامل هیچ تغییری در کد نیست.
هر چند وقت یکبار باید یک مدل داده حفظ شود؟
یک سازمان باید داده ها را فقط برای تا زمانی کهمورد نیاز است حفظ کند، چه شش ماه یا شش سال. نگهداری داده‌ها بیش از حد لازم فضای ذخیره‌سازی غیرضروری را اشغال می‌کند و هزینه‌ای بیش از حد نیاز دارد.
چرا بازآموزی مدل مهم است؟
این نشان می دهد که چرا بازآموزی مهم است! از آنجایی که داده های بیشتری برای یادگیری وجود دارد و الگوهایکه مدل آموخته است دیگر به اندازه کافی خوب نیستند. دنیا تغییر می کند، گاهی سریع، گاهی کند، اما قطعا تغییر می کند و مدل ما باید با آن تغییر کند.
چگونه یک مدل یادگیری ماشین را حفظ می کنید؟
پایش داده های آموزشی و ارائه خدمات برای آلودگی
- داده های دریافتی خود را اعتبارسنجی کنید. …
- چولگی در خدمت آموزش را بررسی کنید. …
- با آموزش ویژگی‌های ارائه‌شده، انحراف سرویس‌های آموزشی را به حداقل برسانید. …
- ویژگی های اضافی را به صورت دوره ای هرس کنید. …
- مدل خود را قبل از استقرار اعتبارسنجی کنید. …
- Shadow مدل خود را آزاد کنید. …
- سلامت مدل خود را کنترل کنید.
