Was ist Deriva del Modelo

Definición

La Deriva del Modelo (también conocida como Model Drift) se refiere al deterioro continuo de la precisión predictiva de un modelo de Machine Learning una vez que está en producción. Este fenómeno ocurre cuando la distribución y las características de los datos reales cambian con el tiempo, divergiendo de los datos de entrenamiento originales.

Explicación

En los dinámicos mercados B2B, la Deriva del Modelo es un desafío constante, ya que el comportamiento de compra, las condiciones económicas y los portfolios de productos evolucionan sin cesar. Se distingue principalmente entre Concept Drift (cuando la relación entre los datos de entrada y la variable objetivo cambia) y Data Drift (cuando la distribución de los datos de entrada se desplaza). Por ejemplo, si un modelo predictivo para el scoring de leads fue entrenado antes de un cambio inesperado en el mercado, su precisión puede caer drásticamente después, debido a un cambio en los criterios de decisión de compra. Para asegurar la fiabilidad a largo plazo de las aplicaciones SaaS, los equipos de Data Science deben implementar un monitoreo continuo que permita detectar tempranamente las caídas de rendimiento de los modelos. La contramedida más importante es reentrenar los modelos en ciclos regulares con datos frescos y en tiempo real, o bien implementar pipelines adaptativos.