Dérive du modèle
Définition
La dérive du modèle d'apprentissage ou dégradation du modèle (en anglais, model drift) désigne la perte de performance d'un modèle d'apprentissage dans le temps.
La dérive du modèle d'apprentissage peut résulter de modification au modèle mais surtout de changements dans les données.
Compléments
Un modèle d'apprentissage est entraîné sur des données d'entraînement ayant une certaine distribution statistique. Si les données dans l'environnement de production (i.e. des données fraîches) ont une distribution statistique différente, la performance du modèle en sera affectée.
Par exemple, prenons un modèle statistique créé pour identifier des insectes ravageurs sur la base d'insectes qui ont pu proliférer il y a 5 ans. Ce modèle est capable d'identifier ces insectes ravageurs, et d'alerter les agriculteurs des invasions potentielles de ces insectes. Mais, avec le temps, de nouvelles espèces d'insectes ravageurs exotiques sont importées accidentellement de l'étranger ou se déplacent à la faveur des changements climatiques. Les menaces évoluent, et le système d'identification entraînés sur les données des insectes ravageurs des années précédentes deviendra de moins en moins capable de classer correctement les nouvelles menaces. Ceci est un exemple de dérive du modèle.
En général, pour corriger la situation, on peut de réentraîner le modèle avec de nouvelles données.
Français
dérive du modèle
dégradation du modèle
Anglais
model drift
Sources
Contributeurs: Claude Coulombe, wiki
