Sistemas de produção de aprendizagem automática

Capítulo 8. Análise de modelos

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Treinar um modelo com sucesso e fazê-lo convergir é uma sensação boa. Muitas vezes parece que já acabaste e, se o estiveres a treinar para um projeto da turma ou para um artigo que estás a escrever, já acabaste. Mas para o ML de produção, depois de terminado o treino, tens de entrar numa nova fase do teu desenvolvimento que envolve um nível muito mais profundo de análise do desempenho do teu modelo, a partir de algumas direcções diferentes. É sobre isso que trata este capítulo.

Analisar o desempenho do modelo

Após o treino e/ou a implementação, poderás notar um decréscimo no desempenho do teu modelo. Para além de determinares como melhorar o desempenho do teu modelo, terás de antecipar as alterações nos teus dados que podes esperar ver no futuro, que são geralmente muito dependentes do domínio, e reagir às alterações que ocorreram desde que treinaste originalmente o teu modelo.

Ambas as tarefas requerem a análise do desempenho do teu modelo. Nesta secção, vamos rever algumas noções básicas da análise de modelos. Ao realizar a análise de modelos, é aconselhável analisar o desempenho do modelo não só em todo o conjunto de dados, mas também em pequenos pedaços de dados que são "cortados" por caraterísticas interessantes. A análise dos cortes permite-te compreender muito melhor a variância das previsões individuais do que se analisasses ...