, ML- , . ML-, , . - , , ML-.
, ( ).
Vamos começar com o motivo mais comum para a degradação das métricas na produção - erros técnicos . Por exemplo, as previsões do modelo em testes offline e em produção podem ser diferentes devido à diferença no código usado para pré-processar as imagens. Existem algumas maneiras simples de se proteger dessa vergonha:
- . (, , ) , . . : , - , ( – , – ).
- -. , -. , , -, , ML- .
- . , , ML-, , (, ). , , COVID-19 . , , . ( ).
— , . .
, (ROC-AUC = 0.53, ), . , ML- . , ML- - , , .
, . , , . , , , - . ML- Out-of-Distribution . , , ML-. .
. , , (, ). , (, ML- - ) . ML covariate shift concept drift.
, , ML- , . , , , , .
, , . ( , , ) , . , - . , , : .
, . -. - . ML- , , .
, . – , .
, ( ) ML- , - . ML- . -, , .
, ML- – ML-. , , :
- ( -, , )
- ML- Out-of-Distribution-
- ,
- , –