Kas ir datu plūsma?

Datu novirze ir ir mainās ievades datu sadalījums vai raksturlielumi laika gaitā, kas var negatīvi ietekmēt mašīnmācīšanās modeļa kvalitāti.

Piemēram, ja modelis ir apmācīts ar datiem ar noteiktām īpašībām, un reālajā darbībā dati sāk mainīties (piemēram, lietotāju uzvedība, vides apstākļi, datu formāts), modelis var sākt darboties sliktāk.

Datu novirzes veidi:

• Koncepcijas novirze (concept drift): ir mainījusies saistība starp ievades datiem un mērķa mainīgo.
• Datu sadalījuma novirze (data distribution drift): ir mainījies ievades datu sadalījums, nemainot saistību ar mērķa mainīgo.

Lai cīnītos ar datu novirzi, tiek izmantots modeļa kvalitātes uzraudzība, ievades datu un rezultātu reģistrēšana, kā arī regulāra modeļa pārtrainēšana ar jauniem datiem.

Piemērs: kredīta novērtēšanas modelis, kas apmācīts ar 2019. gada klientu datiem, bet 2023. gadā ekonomiskā situācija mainījās, un klientu uzvedība kļuva atšķirīga — tas ir datu novirze, kas prasa modeļa pielāgošanu.