모델 드리프트(from2)는 결국 학습 시 사용했던 데이터와 새롭게 입력되는 데이터가 달라진다는 것을 의미한다(참고3,4). 따라서 학습 시 사용했던 데이터 - 이는 베이스라인 데이터셋(
‣ Baseline dataset)이라고 불린다(참고6) - 와 새롭게 들어오는 데이터 - 이는 타겟 데이터셋(‣ Target dataset)이라고 불린다(참고5) - 의 차이를 모니터링(from1)하면 모델 드리프트를 모니터링하는 것이라고 말할 수 있다(참고2).
‣ Baseline dataset)이라고 불린다(참고6) - 와 새롭게 들어오는 데이터 - 이는 타겟 데이터셋(‣ Target dataset)이라고 불린다(참고5) - 의 차이를 모니터링(from1)하면 모델 드리프트를 모니터링하는 것이라고 말할 수 있다(참고2).코드(참고1): 아래 코드는 sklearn-multiflow 를 이용한 모델 드리프트 모니터링의 간단한 예제이다.
import numpy as np
from skmultiflow.drift_detection.adwin import ADWIN
adwin = ADWIN()
# Simulating a data stream as a normal distribution of 1's and 0's
data_stream = np.random.randint(2, size=2000)
# Artificially shift the data from index 999 to 2000
# by replacing the i value with a greater one
for i in range(999, 2000):
data_stream[i] = np.random.randint(5, high=10)
previous_variance = 0
# Add the stream elements to ADWIN and check if drift has been detected
for i in range(2000):
adwin.add_element(data_stream[i])
if adwin.detected_change():
print("Change detected in value {}, at index {}".format(data_stream[i], i))
print("Current variance: {}. Previous variance {}".format(adwin.variance, previous_variance))
previous_variance = adwin.variance
Python
복사
parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료들.
1.
None
from : 과거의 어떤 생각이 이 생각을 만들었는가?
1.
2.
supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는가?
opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는가?
1.
None
to : 이 문서에 작성된 생각이 어떤 생각으로 발전되고 이어지는가?
1.
None
참고 : 레퍼런스