How Machine Learning Models Are Trained

ขั้นตอนแรกและสำคัญที่สุดคือข้อมูล เราต้องการบันทึกประวัติของลูกค้าที่ยกเลิกและไม่ยกเลิก พร้อมกับคุณลักษณะที่อาจอธิบายความแตกต่าง เช่น ความถี่การใช้งาน ประวัติตั๋วสนับสนุน ประเภทแผน อายุสมาชิก

ขึ้นอยู่กับความซับซ้อนของโมเดลและอัตราส่วนสัญญาณต่อสัญญาณรบกวนในคุณลักษณะ สำหรับงานจำแนกประเภทที่ค่อนข้างง่าย ตัวอย่างที่มีป้ายกำกับสองสามพันตัวที่มีการออกแบบคุณลักษณะดีก็เพียงพอ สำหรับวิธีการเรียนรู้เชิงลึกคุณมักต้องการข้อมูลมากกว่านั้นหลายเท่า

เราแบ่งมันเป็นชุดฝึก ชุดตรวจสอบ และชุดทดสอบ โมเดลเรียนรู้รูปแบบจากชุดฝึก เราปรับพารามิเตอร์กับชุดตรวจสอบ และวัดประสิทธิภาพสุดท้ายกับชุดทดสอบที่โมเดลไม่เคยเห็น

โมเดลทำการทำนาย เปรียบเทียบกับคำตอบที่ถูกต้องที่รู้จัก คำนวณค่าสูญเสีย ซึ่งเป็นการวัดว่ามันผิดมากแค่ไหน และปรับพารามิเตอร์ภายในเพื่อลดค่าสูญเสียนั้น วงจรนี้ซ้ำหลายพันหรือหลายล้านครั้ง

การเปลี่ยนแปลงการกระจายเป็นสิ่งที่ร้ายแรงที่สุด โมเดลถูกฝึกบนรูปแบบประวัติ ถ้าพฤติกรรมลูกค้าเปลี่ยนแปลง เช่น คุณลักษณะผลิตภัณฑ์ใหม่ การเปลี่ยนแปลงทางเศรษฐกิจ พลวัตการแข่งขัน สมมติฐานของโมเดลไม่ถือผลอีกต่อไปและประสิทธิภาพจะลดลงอย่างเงียบๆ

เป็นสิ่งที่ขาดไม่ได้ ติดตามความแม่นยำของการทำนายกับความจริงภาคพื้นดินบนพื้นฐานต่อเนื่อง ตั้งการแจ้งเตือนเมื่อประสิทธิภาพลดลงต่ำกว่าเกณฑ์ และวางแผนสำหรับการฝึกใหม่เป็นระยะแทนที่จะมองโมเดลเป็นสิ่งประดิษฐ์ครั้งเดียว