« Dérive des données » : différence entre les versions
(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' dérive des données ????''' == Anglais == ''' Data drift''' Data-drift is defined as a variation... ») |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== | == Définition == | ||
En [[apprentissage automatique]], variation des [[données]] utilisées à l'étape de la production par rapport aux données qui ont été utilisées pour tester et valider le modèle avant de le déployer pour la production. | |||
De nombreux facteurs peuvent entraîner une dérive des données : par exemple, l'un des facteurs clés est la dimension temporelle, c'est-à-dire le temps écoulé entre l'acquisition des données et le déploiement du modèle. | |||
== Français == | == Français == | ||
''' dérive des données | '''dérive des données''' | ||
'''dérive dans les données''' | |||
== Anglais == | == Anglais == | ||
''' | '''data drift''' | ||
<small> | <small> | ||
[https://towardsdatascience.com/why-data-drift-detection-is-important-and-how-do-you-automate-it-in-5-simple-steps-96d611095d93 Source : towardsdatascience] | [https://towardsdatascience.com/why-data-drift-detection-is-important-and-how-do-you-automate-it-in-5-simple-steps-96d611095d93 Source : towardsdatascience] | ||
[[Catégorie:publication]] | |||
[[Catégorie: | |||
Version du 10 novembre 2021 à 10:49
Définition
En apprentissage automatique, variation des données utilisées à l'étape de la production par rapport aux données qui ont été utilisées pour tester et valider le modèle avant de le déployer pour la production.
De nombreux facteurs peuvent entraîner une dérive des données : par exemple, l'un des facteurs clés est la dimension temporelle, c'est-à-dire le temps écoulé entre l'acquisition des données et le déploiement du modèle.
Français
dérive des données
dérive dans les données
Anglais
data drift
Contributeurs: Jean Benoît Morel, wiki
