Не набрасывайся на ROC AUC или как обучать промышленные ML-модели
Привет! Меня зовут Владислав Суханов. Я руководитель направления Риски в Центре развития искусственного интеллекта в Ингосстрахе. Сегодня расскажу, чем промышленный ML отличается от учебного и как строить модели со стабильно высокими метриками качества.
В данной статье я НЕ буду рассматривать обработку пропусков, работу с категориальными переменными, константами в признаках и тд, так как по данным темам уже написано много работ и в целом проблемы являются решёнными.
Здесь рассмотрим, как работать с Data Drift и Concept Drift при обучении моделей.
Отрывок из ленты источникаЧитать у источника: Habr
