您在此处：
漂移监控 (Beta)
在 Data 360 中使用漂移监控来跟踪预测模型降级，当模型预测的分布随着时间的推移而显著改变时，就会发生这种情况。偏移表示客户行为、业务条件或基础数据模式的变化。
在 Data 360 中使用漂移监控，以在有效二元模型和回归模型中跟踪这两种类型的漂移。
变量漂移
当实时输入数据的分布偏离训练数据时，会出现变量漂移。例如，当新市场活动突然将大部分潜在客户从社交媒体中赶走时，基于电子邮件和有机搜索潜在客户训练的潜在客户评分模型会偏移。
变量随时间的漂移图表可视化输入变量的分布如何随时间变化。较低的分数表示输入数据稳定，而较高的分数表示影响模型性能的较大漂移。
按变量漂移图表可视化输入变量之间的漂移分数，以帮助确定哪些变量对总体漂移贡献最大。较低的分数表示输入数据稳定，而较高的分数表示影响模型性能的较大漂移。
要调查特定变量，查看变量级细分，并打开特定于变量的漂移图。
预测偏移
当预测的分布随时间显著变化时，会出现预测偏差，这可能表明客户行为、业务条件或基础数据模式发生变化。
预测随时间的偏移图表显示了模型预测分布随时间的变化。较低的分数表示稳定的预测，而较高的分数表示基础数据模式的漂移和潜在偏移较大。
漂移分数分布图显示了推理运行中预测漂移分数的分布和频率。上升的漂移分数表明模型的可靠性下降，并表明需要重新训练。要确定漂移是仅在特定期间发生，还是随着时间的推移持续增加，请使用此图表。
| 状态 | 得分范围 |
|---|---|
| 稳定漂移 | 0.0–0.1 |
| 缓和漂移 | 0.1–0.2 |
| 重要 | >= 0.2 |
激活模型的模型偏移
要监控激活模型中的变化，请在 Data 360 的 AI 模型选项卡中查看其漂移度量。 漂移仪表板显示变量漂移和预测漂移的卡片。要跟踪模型随时间的变化，请按天、周或月评估这些度量。
每个漂移卡显示这些详细信息：
-
当前漂移分数和状态 — 稳定、中等或显著漂移
-
显示漂移是增加还是减少的趋势指示器
-
趋势图上的版本标记，指示新模型版本何时激活
模型重新训练
当漂移分数达到中等或显著范围时，重新训练模型，使其与当前数据模式保持一致。要解决偏差，请使用更新的数据集训练模型，然后激活新版本。激活会更新漂移基线，以反映新的训练数据，并将版本标记添加到漂移趋势图。
模型注意事项
-
漂移监控仅适用于二元模型和回归模型，以及基于流或 API 的推理。
-
请确保至少一个推理作业正在运行。
-
组织可以计算模型所有有效推理作业的偏移。如果模型有多个推理作业，偏移分数会反映所有作业的聚合数据。
-
基本漂移图免费提供。按推理作业或推理渠道进行深入分析是一项付费功能，需要消耗 Data 360 信用。
