본문 바로가기
MLOps

프로덕션 ML 시스템의 특징(Model Decay)

by 태현IT 2024. 2. 22.

모델의 성능이 언제까지나 유효한가? No

"Past performance is no guarantee of future results."

"No model lives forever, but the speed of decay varies."

실 사용사례에서는 데이터가 계속 달라지기 때문에 모델의 성능이 점점 떨어지는 현상을 발생시킨다.

 

모델의 quality를 판별하는 데에 사용하는 것은 Accuracy, Mean Error Rate, or some downstream business KPI such as click-through rate (꼭 F1 score 만 사용하는 것은 아님)

시간에 따른 모델의 성능저하 그래프(https://www.evidentlyai.com/blog/machine-learning-monitoring-data-and-concept-drift)

 

다양한 모델의 quality 판별을 통해서 검토를 한 결과 성능이 저하게 된다는 것을 "Model decay" 라고 한다.

 

 

반응형

'MLOps' 카테고리의 다른 글

MLOps Level 1 : ML pipeline automation  (0) 2024.03.23
MLOps Level 0  (0) 2024.03.23
Model Decay의 이유(1) : Data Drift, Training-serving Skew  (0) 2024.02.23
ML 서비스 개발 순서  (0) 2024.02.22
MLOps를 위한 기초관점  (0) 2024.02.20