Machine Learning | یادگیری ماشین

🔴 مهم‌ترین چالش‌ مدل‌های یادگیری ماشین
🤔 بعد از استقرار

👨🏻‍💻 بیش‌تر عمر یه مدل یادگیری ماشین بعد از استقرارش شروع میشه. اما یه حقیقت تلخ وجود داره: 91% مدل‌ها به مرور زمان خراب میشن!


❓ اما چرا این اتفاق می‌افته؟

✅ یکی از دلایل اصلیش covariate shift یا «تغییر در توزیع متغیرها» هست. یعنی توزیع داده‌های ورودی مدل (P(X)) تغییر می‌کنه، ولی رابطه بین ویژگی‌ها و خروجی (P(Y∣X)) ثابت می‌مونه.


✏️ حالا Covariate Shift یعنی چی؟
این تغییر به دو نوع تقسیم می‌شه:

🔢 تک‌متغیره (Univariate Drift): فقط یک ویژگی دچار تغییر توزیع می‌شه.

🔢 چندمتغیره (Multivariate Drift): توزیع چند ویژگی یا حتی کل داده‌ها تغییر می‌کنه.


⏪ تو این شرایط باید مدل رو دوباره آموزش بدیم؟ به نظر ایده خوبیه، اما همیشه جواب نمی‌ده!

⚫️ تغییر توزیع داده‌های ورودی همیشه به این معنی نیست که رابطه اصلی بین X و Y تغییر کرده باشه. ممکنه فقط تغییر آستانه‌های پیش‌بینی (Prediction Thresholds) کافی باشه تا مدل دوباره دقیق عمل کنه.

💰 پس قبل از اینکه وقت و منابع رو صرف آموزش دوباره مدل کنین، اول بررسی کنین مشکل اصلی از کجاست. شاید یه تغییر کوچیک تو تنظیمات مدل، مشکل رو برطرف کنه و راحت‌تر از آموزش مجدد مدل باشه.


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

Please open Telegram to view this post

VIEW IN TELEGRAM

www.tgoop.com/MachineLearning_ir/1816

5.4K viewsNov 22 at 15:30

🔴 مهم‌ترین چالش‌ مدل‌های یادگیری ماشین
🤔 بعد از استقرار

👨🏻‍💻 بیش‌تر عمر یه مدل یادگیری ماشین بعد از استقرارش شروع میشه. اما یه حقیقت تلخ وجود داره: 91% مدل‌ها به مرور زمان خراب میشن!


❓ اما چرا این اتفاق می‌افته؟

✅ یکی از دلایل اصلیش covariate shift یا «تغییر در توزیع متغیرها» هست. یعنی توزیع داده‌های ورودی مدل (P(X)) تغییر می‌کنه، ولی رابطه بین ویژگی‌ها و خروجی (P(Y∣X)) ثابت می‌مونه.


✏️ حالا Covariate Shift یعنی چی؟
این تغییر به دو نوع تقسیم می‌شه:

🔢 تک‌متغیره (Univariate Drift): فقط یک ویژگی دچار تغییر توزیع می‌شه.

🔢 چندمتغیره (Multivariate Drift): توزیع چند ویژگی یا حتی کل داده‌ها تغییر می‌کنه.


⏪ تو این شرایط باید مدل رو دوباره آموزش بدیم؟ به نظر ایده خوبیه، اما همیشه جواب نمی‌ده!

⚫️ تغییر توزیع داده‌های ورودی همیشه به این معنی نیست که رابطه اصلی بین X و Y تغییر کرده باشه. ممکنه فقط تغییر آستانه‌های پیش‌بینی (Prediction Thresholds) کافی باشه تا مدل دوباره دقیق عمل کنه.

💰 پس قبل از اینکه وقت و منابع رو صرف آموزش دوباره مدل کنین، اول بررسی کنین مشکل اصلی از کجاست. شاید یه تغییر کوچیک تو تنظیمات مدل، مشکل رو برطرف کنه و راحت‌تر از آموزش مجدد مدل باشه.


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa