エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
機械学習の本格運用:デプロイメントからドリフト検知まで - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
機械学習の本格運用:デプロイメントからドリフト検知まで - Qiita
Productionizing Machine Learning: From Deployment to Drift Detection - The Databricks Blogの翻訳... Productionizing Machine Learning: From Deployment to Drift Detection - The Databricks Blogの翻訳です。 以下の手順を再現するにはこちらのノートブックを参照ください。また、詳細に関してはこちらのウェビナーもご覧ください。 多くのブログ記事において、機械学習のワークフローはデータの準備から始まり本番環境へのモデルデプロイで終わります。しかし実際には、それは機械学習モデルのライフサイクルの初めの一歩に過ぎないのです。”人生において変化は起こり続けるものだ”という人もいます。デプロイ後しばらくして、モデルドリフトと呼ばれるモデルの精度劣化が発生するため、これは機械学習モデルにおいても真実と言えます。本記事ではモデルドリフトを検知し対策するのかを説明します。 機械学習におけるドリフトの種別 特徴データや目標変数