Хабр

Признаки в обучении и проде расходятся: воспроизводим ошибку на тестовом наборе

Признаки в обучении и проде расходятся: воспроизводим ошибку на тестовом наборе

Модель проходит офлайн-тесты, но ошибается в продакшене из-за расхождения входных признаков. На примере Python разбираем, как выявить Training–Serving Skew, восстановить данные на момент прогноза и автоматизировать проверку перед релизом.

Разобрать пример

🚀 Ускорьте работу вашего бизнеса

Корпоративный Яндекс Браузер с усиленной защитой данных и встроенными нейросетями. Официальная сборка для юридических лиц и ИП.

Скачать бесплатно