跳到内容

    模型监控最佳实践

    白皮书

    关于模型监视最佳实践的经验教训

    越来越多的决策和关键业务流程依赖于使用机器学习和其他统计技术生成的模型.

    因为各种各样的原因, 这些模型的输入和输出会随着时间的推移而“漂移”, 并产生意想不到的行为和预测准确性的下降. 不幸的是, 由于工具或内部流程的不充分,这种偏差往往没有被认识到, 导致严重的经济损失或降低客户体验.

    今天就下载这篇文章了解:

    • 影响机器学习模型的数据漂移类型;
    • 如何识别降级的模型;
    • Five best practices for monitoring models in production; and
    • 建议纠正模型漂移的下一步步骤.

    本文展示了Domino在与Allstate等公司的数据科学领导者共事5年多以来学到的最佳实践, 拜耳, 戴尔和穆迪分析公司.

    得到白皮书