Changement de distribution

Votre mouvement d’apprentissage

S’orienterClarifier un terme, une source, une personne ou un événement.

Pourquoi cette page existe

Les pages de référence soutiennent l’apprentissage sans vous obliger à abandonner votre question ou parcours.

Ce que vous en retirerez

Un changement de distribution est une différence significative entre les données ou conditions de développement d’un modèle et celles rencontrées plus tard.

Avant de commencer

Utilisez ces pages seules ou revenez à l’objet qui vous y a conduit.

Faites ceci maintenant

Trouvez le fait ou la relation nécessaire, puis revenez à votre objectif.

À faire maintenantClarifier ce conceptLe plan indique le résultat, le temps, les prérequis, l’action immédiate et la suite préparée.Autre parcours valableExaminer les SourcesVoir la provenance, la revue et les limites des preuves.

Compte

Glossaire connecté

Changement de distribution

Un changement de distribution est une différence significative entre les données ou conditions de développement d’un modèle et celles rencontrées plus tard.

Plan pour cette page

Comprendre un concept dans un langage simple et le relier à des idées voisines.

Vous repartirez avec: Entrées, populations, mesures, comportements, environnement ou relation entre entrées et cibles peuvent changer. Le modèle reste techniquement identique tandis que performance et conséquences se dégradent.
Temps: 3–8 min
Avant de commencer: Aucun prérequis. Gardez un exemple réel en tête.
Faites ceci maintenant: Lisez l’explication, puis comparez l’exemple à l’idée reçue.

Étape suivante préparéeComprendre pourquoi les preuves exigent un contexte

Changement de distributionUn changement de distribution est une différence significative entre les données ou conditions de développement d’un modèle et celles rencontrées plus tard.

Jeu de données
Généralisation
Évaluation

Explication

Entrées, populations, mesures, comportements, environnement ou relation entre entrées et cibles peuvent changer. Le modèle reste techniquement identique tandis que performance et conséquences se dégradent.

Exemple

Un modèle de demande entraîné avant un grand changement des habitudes de déplacement peut ensuite mal prévoir malgré un logiciel fonctionnel.

Pourquoi cela compte

Le déploiement n’est pas un test unique. Suivre entrées, résultats, groupes et contexte révèle quand les anciennes preuves ne justifient plus la confiance actuelle.

Idée reçue

Idée reçue : un modèle évalué une fois garde une qualité fixe. Correction : monde, utilisateurs, collecte et objectifs peuvent changer autour de lui.

Concepts liés

Suivez les relations, pas seulement l’alphabet

Jeu de donnéesUn jeu de données est une collection organisée d’exemples ou d’enregistrements utilisée pour l’entraînement, l’évaluation, l’analyse ou l’exploitation.GénéralisationLa généralisation est la capacité d’un modèle à rester utile sur des exemples ou conditions pertinents non vus pendant l’entraînement.ÉvaluationL’évaluation est la mesure et l’enquête structurées sur la performance d’un modèle ou système face à des questions, critères et contextes définis.

Comprendre pourquoi les preuves exigent un contexte

Sources et périmètre

Ce qui soutient cet objet

Machine Learning GlossaryGoogle for Developers

Définit le changement de distribution et les changements associés entre la formation et le service ; les déploiements réels nécessitent une surveillance spécifique au domaine.

Ouvrir la source

Loading page content...

…