Adversarial Validator
2019 yılında bir model eğittiniz, başarısı çok yüksekti ve gönül rahatlığıyla gerçek ortama taşıdınız. Ancak 2020 yılında pandemi bütün dünyayı etkisi altına aldı. Haliyle sizin çalıştığınız veriler de bir hayli değişti. 2019 yılında modelinizi eğittiğiniz veri setiyle bugünlerde tahminlemeye çalıştığınız veriler benzer mi diye merak ediyorsunuz. Bu durumla baş etmenin birkaç yolu var ve ben bir tanesine ufak da olsa bir katkıda bulundum. Bu yazıda size yeni Python paketimi tanıtmak istiyorum.
Yukarıda belirttiğim durum dinamik dünyamızın olağan bir sonucu. Makine öğrenmesi modellerini canlı ortamlar için hazırlayan biriyseniz mutlaka üstesinden gelmeniz gereken bir problem olarak karşımıza çıkmakta. Bu problemi çözmek için 2 ana çözüm bulunuyor.
1. Algoritmanın yeni verileri kendi içine katarak sürekli öğrenmeye devam ettiği çevrimiçi öğrenme kullanabilirsiniz. Gerçek hayattaki çoğu akış verileri(streaming data) üzerinde çalışır ve çevrimiçi öğrenme (online learning), konsept kaymasını önlemenin en belirgin yoludur.
2. Bazı makine öğrenimi modelleri güncellenebilir. Bu yöntem diğerlerine göre daha verimlidir. Mevcut modeli başlangıç noktası olarak kabul edip en son verilerle güncelleyebiliriz. Peki bu güncellemeleri ne zaman yapmalıyız. İşte burada hazırladığım python paketi devreye giriyor.
Adversarial Validator
Adversarial Validator birkaç satır kod ile kullanabileceğiniz oldukça pratik bir yöntem. Arka planda başka bir makine öğrenmesi modeli kullanıp girdi olarak verdiğiniz 2 veri seti arasındaki benzerliği ölçüyor. Belirlediğiniz eşik değere göre size bir çıktı veriyor. Örneğin 2 veri seti arasında %95 ve daha fazla oranda benzerlik istiyorsanız 95 girdisini giriyorsunuz. Belirlediğiniz bu değere göre size bu veri setleri "benzer" veya "benzer değil" diye çıktılar sunabiliyor.
Aşağıda örnek kullanımını görebilirsiniz. Şimdilik projem geliştirme aşamasında. Herhangi bir eksik veya geliştirilebilecek bir durum görmeniz durumunda bana linkedin veya mail üzerinden ulaşabilirsiniz.
Veriyle kalın 👌
Yorumlar
Yorum Gönder