なぜ機械学習モデルは製品化すると劣化するのか | AI専門ニュースメディア AINOW
著者のAlexandre Gonfalonieri氏は、フランス・パリに拠点を置く複数のAIスタートアップでデータサイエンティストとして活躍しています。同氏がMediumに投稿した記事「なぜ機械学習モデルは製品化すると劣化するのか？」では、機械学習モデルが製品化されてから劣化してしまう原因とその対策が自身の経験にもとづいて解説されています。 同氏によると機械学習モデル製品は製品化された直後がもっとも高精度であり、以降時間の経過とともに精度が劣化してしまいます。こうした劣化の原因として、コンセプトドリフトが指摘できます。この概念はモデルが開発された当初に使われていた学習データと製品化された後に入力されるデータのあいだで特徴上の差異が生じた結果、モデルの予測精度が劣化してしまう、ということを意味しています。 コンセプトドリフトによる性能劣化に対する対策として、同氏は以下のような3つの対策を提案
【機械学習工学研究会キックオフ！】機械学習の7つのステップ 「機械学習は間違える前提で設計する」 | AI専門ニュースメディア AINOW
HOME/ AINOW編集部 /【機械学習工学研究会キックオフ！】機械学習の7つのステップ 「機械学習は間違える前提で設計する」 最終更新日： 2019年7月10日 2018年5月17日 神保町にある一橋大学 一橋講堂にて機械学習工学研究会（以下MLSE）のキックオフシンポジウムが開催されました。 急激に社会に浸透しはじめている機械学習技術は、従来のソフトウェア開発とは相異なるものです。 機械学習技術ではデータの整備の重要性、プロジェクトの長期化、他にもさまざまな課題があり、それらを適切に解決しないといけません。 MLSEは機械学習システムにおいて、「機械学習工学」ともいうべき、新たな体系が必用だとの意見に基づき、日本ソフトウェア科学会の研究会のひとつとしてMLSEを発足させました。 この日は、そのキックオフイベントということで、ソフトウェア工学の権威から第一線を走るデータサイエンティスト
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
