Video: Regresyon ile Tahmin (nominal Regression) (weka eğitim serisi 9) 2025
Beğenmediğiniz kadar, tahmininiz analitik işiniz, modeliniz canlandığında bitmedi. Üretimin başarılı bir şekilde uygulanması modelin rahatlamasının vaktidir. Zaman içindeki doğruluğu ve performansını yakından takip etmeniz gerekecek. Bir model, zamanla bozulma eğilimindedir (bazıları diğerlerinden daha hızlıdır); ve bu modeli ayakta tutmak için zaman zaman yeni bir enerji verilir. Başarılı kalabilmek için yeni veriler ışığında ve değişen koşullar ışığında bir model gözden geçirilmeli ve yeniden değerlendirilmelidir.
Koşullar değişir ve böylece modelin orijinal eğitimine artık uymuyorsa, yeni koşulları karşılamak için modeli tekrar eğitmeniz gerekir.
- İş hedefindeki genel bir değişiklik
- Yeni ve daha güçlü teknolojinin benimsenmesi ve göçü
- Piyasadaki yeni trendlerin ortaya çıkması
- Rekabetin kanıtlanması yetişmek
Stratejik planınızda, böyle acil bir şekilde modelinizi yenileme ve bir sonraki aşamaya geçme ihtiyacı için uyanık olmayı da içermelisiniz, ancak modelinizi güncellemek süregiden bir süreç olmalıdır. Yeni veri akışları içeren, yeni koşullar için modeli yeniden eğiterek ve çıktılarını sürekli olarak rafine ederek girdileri ve çıktıları ayarlamaya devam edeceksiniz. Bu hedefleri göz önünde bulundurun:
- Modeli düzenli olarak yeniden eğiterek ve test ederek değişen koşulların üstünde kalın; gerektiğinde güçlendirin.
- Zaman içindeki performansındaki herhangi bir bozulmayı yakalamak için modelinizin doğruluğunu izleyin.
- Modelin performansını raporlayan ve izleyen özelleştirilmiş uygulamalar geliştirerek modelinizin izlenmesini otomatikleştirin.
İzleme otomasyonu veya diğer ekip üyelerinin katılımı, bir veri bilimcisinin modelin performansı üzerinde yapacağı kaygıları hafifletir ve herkesin kullanımını iyileştirir.
Otomatik izleme, zamandan tasarruf sağlar ve modelin performansını izlemedeki hataları önlemenize yardımcı olur.
