このレッスンでは、データについて自問すべき問いに焦点を当てます。 モニタリング、モニタリング、管理します
各機能はお役に立ちましたか？
モデルを継続的にモニタリングして、寄与する特徴を排除する必要がある モデルの予測能力に ほとんど影響しません入力データが 特徴量が突然変化した場合にモデルの動作も 好ましくない方法で変化します。
また、次の関連する質問も検討してください。
- この機能の有用性は、追加するコストに見合ったものですか？
モデルに特徴量を追加したくなりがちです。たとえば 加算によってモデルの予測が行われる新しい特徴を見つけたとします。 改善されています。予測精度が優れていても やや悪い予測になります。この機能を有効にすると メンテナンスの負担を軽減できます。
データソースは信頼できますか？
入力データの信頼性に関する質問:
- その信号は常に利用可能なのか、それとも
信頼性が低いソースか？例:
- 高負荷でクラッシュするサーバーからのシグナルか？
- 毎年 8 月に休暇に出かける人間からの信号なの？
- モデルの入力データを計算するシステムは変わることがありますか？「はい」の場合:
<ph type="x-smartling-placeholder">
- </ph>
- どのくらいの頻度で起きているか、
- そのシステムが変更されたことをどのようにして知ることができますか？
お客様から受け取ったデータのコピーを独自に作成することを検討してください。 必要があります。次に、アップストリーム アプリケーションの次のバージョンにのみ 安全に行うことができます。
モデルはフィードバック ループの一部か？
モデルがそれ自体のトレーニング データに影響を与える場合があります。たとえば、 あるモデルの結果が（直接的または間接的に）入力になる モデルに投入できます
あるモデルが別のモデルに影響を与える場合があります。たとえば 株価予測用のモデル:
- モデル A は、不適切な予測モデルです。
- モデル B:
モデル A はバグが多いため、誤って在庫 X の在庫を購入することにした。 こうした購入が株式 X の価格を引き上げます。モデル B では、 特徴量 X を入力特徴量とするため、モデル B は誤検出になる 株式 X の価値に関する結論を導き出します。したがって、モデル B は モデル A のバグのある行動に基づいて、株式 X の株式を売買します。 モデル B の動作がモデル A に影響を与える可能性があります。 「チューリップ マニア」または X 社の株式。