您位於此處：
漂移監視 (Beta 版)
在 Data 360 中使用「漂移監視」追蹤預測模型降級,其會在模型預估的分佈隨著時間明顯變化時發生。漂移表示客戶行為、業務條件或基本資料模式的變化。
在 Data 360 中使用漂移監視,在啟用中二進位與迴歸模型之間追蹤這兩種類型的漂移。
變數漂移
當即時輸入資料分佈離開訓練資料時,便會發生變數漂移。例如,在電子郵件和自然搜尋商機上訓練的商機評分模型會在新行銷活動突然從社交媒體中驅動大多數商機時漂移。
「隨時間變數漂移」圖表會將輸入變數分佈隨時間的變化視覺化。評分愈低表示輸入資料穩定,評分愈高則表示可能影響模型效能愈大的漂移。
「依變數的漂移」圖表會視覺化輸入變數之間的漂移分數,以協助識別哪些變數對整體漂移的影響最大。評分愈低表示輸入資料穩定,評分愈高則表示可能影響模型效能愈大的漂移。
若要調查特定變數,請檢視變數層級細目,然後開啟變數特定漂移圖。
預估漂移
預估漂移會在預估分佈隨時間明顯變化時發生,這表示客戶行為、業務條件或基本資料模式的變化。
「預估波動時間」圖表顯示模型預估分佈隨時間的變化。評分愈低表示預估愈穩定,評分愈高則表示基本資料模式的漂移愈大及潛在波動愈大。
「漂移分數分佈」圖表顯示推斷執行之間預估漂移分數的分佈和頻率。漂移分數上升表示模型可靠性降低,並表示需要重新訓練。若要識別漂移僅在特定期間發生,或隨著時間持續增加,請使用此圖表。
| 狀態 | 評分範圍 |
|---|---|
| 穩定漂移 | 0.0–0.1 |
| 仲裁漂移 | 0.1–0.2 |
| 重要 | >= 0.2 |
已啟用模型的模型漂移
若要監視已啟用模型中的變更,請在 Data 360 的「AI 模型」索引標籤中檢閱其漂移度量。 漂移顯示面板會顯示變數漂移與預估漂移的卡片。若要追蹤隨時間變化的模型變化,請依日、週或月份評估這些度量。
每個漂移卡都會顯示以下詳細資料:
-
目前漂移分數與狀態—穩定、中度或明顯漂移
-
顯示漂移是增加還是減少的趨勢指標
-
趨勢圖上表示新模型版本啟用時間的版本標記
模型重新訓練
當漂移分數達到中度或明顯範圍時,請重新訓練模型以符合目前資料模式。若要解決漂移,請使用更新的資料集來訓練模型,然後啟用新版本。啟用會更新漂移基準以反映新的訓練資料,並將版本標記新增至漂移趨勢圖表。
模型考量事項
-
漂移監視僅適用於二元與迴歸模型,以及流程或 API 型推斷。
-
確定至少一個推斷工作正在執行。
-
組織可以計算模型所有啟用中的推斷工作之間的漂移。如果模型有多個推斷工作,則漂移分數會反映所有工作的彙總資料。
-
基本漂移圖可免費使用。依推斷工作或推斷管道進行更深入的分析是耗用 Data 360 信用的付費功能。
