" />

亚洲先锋影音人AV成_免费A级毛片一分钟_人人爽人人爽人人插_日韩少妇极品熟妇人妻潮喷

沃卡惠移動(dòng)端logo

如何檢測(cè)機(jī)器學(xué)習(xí)中的概念漂移

2022-12-21 08:38:194636

機(jī)器學(xué)習(xí)(ML)是一種由數(shù)據(jù)提供的強(qiáng)大力量,可以更熟練地執(zhí)行指定的任務(wù)來(lái)執(zhí)行預(yù)測(cè)建模。共同人工智能(人工智能),這兩個(gè)可以幫助人類(lèi)創(chuàng)造從未被理解的解決方案,因?yàn)榇罅康臍v史數(shù)據(jù)和無(wú)限量的新信息。由于這個(gè)體積,有時(shí)會(huì)有不準(zhǔn)確或變化,那么在這一點(diǎn)上會(huì)發(fā)生什么呢?

如何檢測(cè)機(jī)器學(xué)習(xí)中的概念漂移

ML中的概念漂移是什么?

概念漂移機(jī)器語(yǔ)言(Machine Language)過(guò)時(shí)或不準(zhǔn)確的數(shù)據(jù)會(huì)影響預(yù)測(cè)模型的創(chuàng)建。最大似然法通?;谟成渖善錄Q定,而不考慮過(guò)去的數(shù)據(jù)可能不準(zhǔn)確地代表未來(lái)預(yù)測(cè)的情況。

知識(shí)中的這些變量被稱(chēng)為隱藏背景,如果行為天生不可預(yù)測(cè),則隱藏背景是不可能預(yù)測(cè)的。創(chuàng)業(yè)公司是出現(xiàn)在科技領(lǐng)域來(lái)解決隱藏的上下文問(wèn)題。智力潛在差距的例子包括:

人類(lèi)的駕駛行為,比如無(wú)視路權(quán)規(guī)則。

動(dòng)蕩經(jīng)濟(jì)中的政府支出。

氣候危機(jī)期間的惡劣天氣預(yù)測(cè)。

因此,分析師必須在影響決策之前發(fā)現(xiàn)這些差異,并相應(yīng)地更新它們。目標(biāo)應(yīng)該是高可擴(kuò)展性因?yàn)橄到y(tǒng)會(huì)隨著時(shí)間而退化。如果人類(lèi)改變了模式,理論模型會(huì)更準(zhǔn)確地適應(yīng)構(gòu)建。分析師必須成為專(zhuān)家,在確定ML與其數(shù)據(jù)集的關(guān)系方面,比它自己更了解自己。

概念漂移有哪些類(lèi)型?

概念漂移以多種方式顯現(xiàn)。理解各種外觀將允許分析師對(duì)信號(hào)做出更準(zhǔn)確的反應(yīng)在算法中。這些類(lèi)型包括:

逐漸的概念漂移:像這樣的變化通常有人類(lèi)行為的根源。支出、應(yīng)對(duì)網(wǎng)絡(luò)安全漏洞和媒體消費(fèi)都隨著時(shí)間的推移而逐漸轉(zhuǎn)變,使得歷史數(shù)據(jù)一點(diǎn)點(diǎn)過(guò)時(shí)。

反復(fù)出現(xiàn)的概念漂移:即使變化是季節(jié)性可預(yù)測(cè)的,ML也可能無(wú)法準(zhǔn)確預(yù)測(cè)事件。雖然黑色星期五每年都會(huì)發(fā)生,但曼梯·里不可能完全了解趨勢(shì)。

瞬時(shí)概念漂移:不可預(yù)見(jiàn)的國(guó)際事件或全球影響將提供無(wú)數(shù)的異常值,如影響工作、旅行和購(gòu)物行為的疫情。

隨著數(shù)據(jù)在ML中變得更加豐富和復(fù)雜,其他類(lèi)型的漂移可能會(huì)誕生——特別是人類(lèi)的創(chuàng)造力和不可預(yù)測(cè)性。

什么是檢測(cè)和評(píng)估方法?

目標(biāo)是創(chuàng)建漂移感知系統(tǒng)它使用變化預(yù)測(cè)和預(yù)測(cè)誤差分析來(lái)檢測(cè)異常。除了測(cè)試模擬概念漂移的算法,如自適應(yīng)窗口,應(yīng)該更容易找到誤導(dǎo)點(diǎn)。

檢測(cè)到異常的分析師有幾個(gè)選項(xiàng)來(lái)糾正數(shù)據(jù),因此它不會(huì)扭曲任何更多的模型。其中大部分屬于調(diào)整回溯數(shù)據(jù)、更新數(shù)據(jù)以說(shuō)明權(quán)重和重要性,或者提高數(shù)據(jù)的準(zhǔn)確性。

另一種選擇是將ML無(wú)法檢測(cè)到的預(yù)期變化合并到數(shù)據(jù)中。分析師發(fā)現(xiàn)習(xí)得差異可以實(shí)現(xiàn)這些知識(shí)來(lái)提高M(jìn)L的準(zhǔn)確性。不利的是,這也可能使它更加混亂。

在線學(xué)習(xí)有助于防止概念漂移,因?yàn)樗试SML實(shí)體在接收數(shù)據(jù)樣本時(shí)進(jìn)行更新。這是實(shí)時(shí)避免概念漂移的最可行的選擇。

最小化ML中的概念漂移

減少M(fèi)L中的概念漂移是可能的,并且隨著分析師對(duì)人類(lèi)行為理解的加深,這變得更加容易。隨著ML的發(fā)展,人類(lèi)可能會(huì)設(shè)計(jì)一種方法來(lái)消除概念漂移,但這是未知的。通過(guò)手動(dòng)調(diào)整數(shù)據(jù)集,ML對(duì)人性的理解更加深刻和準(zhǔn)確提高網(wǎng)絡(luò)安全性,為復(fù)雜的問(wèn)題創(chuàng)造解決方案,并對(duì)世界形成更全面的觀點(diǎn)。