PD-DNewAI技術 · 機械学習

データドリフト

Data Drift

でーたどりふと

運用中のモデルに入力されるデータの統計的な分布が、学習に使ったデータの分布から時間とともに変化することで、共変量シフトともいう。顧客層の変化、季節、センサの交換などで起き、モデルの精度低下の原因になる。入力データの分布を継続的に監視し、変化を検知したら再学習を検討する。

#モデルドリフト #共変量シフト #MLOps #モデル監視

共有:

他の資格での定義

A-1データドリフト

運用中の機械学習モデルに入力されるデータの分布が、学習に使ったデータの分布から時間とともに変化すること。利用者の行動や市場環境の変化などで起こり、モデルの予測精度が低下する原因となる。入力データの統計量を継続的に監視し、必要に応じてモデルを再学習する。

関連キーワードの用語

PD-Dモデルドリフト

本番環境で運用している機械学習モデルの予測性能が、時間の経過とともに低下していくこと。入力データの分布が変わるデータドリフトや、入力と予測対象の関係そのものが変わるコンセプトドリフト（不正の手口の変化など）が原因になる。MLOpsの仕組みで精度を継続的に監視し、しきい値を下回ったら再学習やモデルの更新を行う。

PD-SCRISP-ML

機械学習のアプリケーションの開発のために、CRISP-DMを拡張したプロセスモデル。ビジネスとデータの理解、データの準備、機械学習モデルの作成、モデルの評価、モデルの展開、監視と保守の6つのフェーズからなり、各フェーズで品質を保証するための作業とリスクの確認を定めている。

A-1LLMOps

大規模言語モデル（LLM）を使ったアプリケーションを開発・運用するための考え方と仕組み。MLOpsを基に、プロンプトの版管理、RAGの参照データの管理、出力の品質と安全性の評価、利用コストや応答時間の監視など、LLM特有の管理を加える。