Глоссарий ИИ
Полный словарь искусственного интеллекта
Обнаружение изменений
Алгоритмический процесс, направленный на выявление значительных статистических изменений в распределении данных или связях между переменными. Раннее обнаружение позволяет инициировать обновление модели до того, как произойдет ухудшение ее производительности.
Постепенный дрейф
Тип концептуального дрейфа, при котором изменения в отношениях между переменными происходят постепенно в течение длительного периода времени. Это медленное изменение делает обнаружение особенно сложным, так как вариации можно спутать со статистическим шумом.
Внезапный дрейф
Внезапное и значительное изменение в распределении данных или отношениях между переменными, происходящее за очень короткий период времени. Внезапные дрейфы требуют быстрого обнаружения для предотвращения серьезного ухудшения производительности модели.
Рекуррентный дрейф
Феномен, при котором концепции или отношения между переменными периодически появляются снова после временного исчезновения. Распознавание повторяющихся шаблонов позволяет предвидеть изменения и оптимизировать стратегии адаптации.
Дрейф ковариат
Тип дрейфа, при котором меняется распределение входных переменных, в то время как условное соотношение P(Y|X) остается стабильным. Это явление особенно влияет на модели, чувствительные к распределению признаков, такие как байесовские алгоритмы.
Дрейф априорной вероятности
Изменение маргинального распределения целевой переменной P(Y) без изменения условного соотношения P(Y|X). Этот дрейф влияет на глобальные прогнозы, но сохраняет локальные связи между переменными.
Онлайн-адаптация
Процесс непрерывного обновления прогностической модели по мере поступления новых данных, позволяющий быстро реагировать на концептуальные дрейфы. Онлайн-адаптация балансирует стабильность модели и реактивность к изменениям.
Задержка обнаружения
Метрика, измеряющая время, прошедшее между фактическим возникновением концептуального дрейфа и его обнаружением алгоритмом. Минимальная задержка имеет решающее значение для минимизации периода ухудшения производительности модели.
Коэффициент ложных срабатываний
Доля ложных предупреждений о дрейфе, генерируемых алгоритмом обнаружения, что приводит к ненужным обновлениям модели. Оптимизация этого показателя необходима для поддержания стабильности при обеспечении чувствительности.
Обнаружение с учителем
Метод обнаружения дрейфа, использующий реальные метки для прямого анализа изменений в соотношении между входными и выходными данными. Этот подход обеспечивает высокую точность, но требует непрерывной доступности эталонных значений.
Обнаружение без учителя
Подход к обнаружению дрейфа, основанный исключительно на характеристиках входных данных без использования меток, обычно посредством анализа изменений в статистическом распределении. Этот метод применим даже в тех случаях, когда эталонные значения недоступны.