Què és la Deriva de Dades?
La deriva de dades es refereix al canvi en les propietats estadístiques de les dades d'entrada en producció en comparació amb les dades amb les quals es va entrenar el model. Com que els models aprenen patrons en les dades d'entrenament, el rendiment pot degradar-se quan aquests patrons canvien. La deriva pot ser gradual — patrons estacionals, canvis demogràfics, evolucions de productes — o brusca deguda a esdeveniments com el COVID-19 que van causar canvis fonamentals de comportament.
Tipus de Deriva
La deriva de concepte ocorre quan canvia la relació entre característiques i variable objectiu. La deriva de característiques canvia la distribució de les característiques d'entrada. La deriva d'etiquetes afecta la distribució de la variable objectiu. Cada tipus de deriva requereix una estratègia de detecció i mitigació diferent.
Monitorització i Resposta
Implementi monitorització contínua de la distribució de característiques amb proves estadístiques (KS test, PSI) per a les característiques més importants. Configuri alertes quan les mètriques de deriva superin els llindars. Mantingui conjunts de dades de reavaluació a punt per validar el rendiment del model quan es detecti deriva. Desenvolupi pipelines de reentrenament que puguin activar-se automàticament quan el rendiment del model caigui per sota dels límits acceptables.