ML:机器学习之模型监控阶段—模型稳定性分析的简介、常用的监控指标(CSI/PSI)、提高模型稳定性(通用方法/线性模型场景/树类模型场景)的策略之详细攻略
目录
ML之CSI:特征稳定性指标(Characteristic Stability Index)的简介(特征筛选/特征监控、CSI和PSI指标对比)、使用方法、案例应用之详细攻略
ML之PSI:人群偏移度指标(Population Stability Index)的简介(特征筛选/特征监控/模型监控/AB测试)、使用方法、案例应用(风控业务/风险评估/市场分析等)之详细攻略
1、提高模型稳定性的通用方法:CV领域加扰动、DS领域SMOTE法
2、适合泛线性模型:幅度过大的变量进行分箱处理(如逻辑回归的WOE编码)
模型稳定性分析的简介
1、模型稳定性分析的概述
简介 |
模型稳定性分析是指评估模型在不同数据集上的性能稳定性的过程,尤其是指模型部署之后,在实际生产环境中的模型稳定性。在实际应用中,模型面临着不同的数据分布、样本规模、特征空间等多种变化,这些变化都可能影响模型的性能。因此,需要进行模型稳定性分析,以评估模型的鲁棒性和可靠性。< |