İçeriğe geç
parazade
Yapay Zeka

Kavram Kayması Nedir?

İngilizce: Concept Drift

Yayın: · Son güncelleme:

Kavram Kayması Nedir? Kısaca

Kavram kayması (concept drift), bir makine öğrenmesi modelinin öğrendiği girdi ile hedef arasındaki ilişkinin zamanla değişmesidir. Bu değişim, eğitim sırasında başarılı olan modelin performansının giderek düşmesine yol açar.

Kavram Kayması nedir?
İçindekiler
  1. Kavram kayması nedir?
  2. Türleri
  3. Nasıl fark edilir ve yönetilir?

Kavram kayması, modelin tahmin etmeye çalıştığı şeyin anlamının ya da girdilerle olan ilişkisinin zaman içinde değişmesidir. Model geçmiş veriden öğrendiği kuralları uygulamaya devam eder, ama dünya artık o kurallara göre işlemez.

Kavram kayması nedir?

Bir modeli eğittiğinde, girdiler (özellikler) ile çıktı (hedef) arasındaki ilişkiyi yakalar. Kavram kaymasında bu ilişki değişir. Örneğin bir spam filtresi belirli kelimeleri spam işareti olarak öğrenmiştir; spam gönderenler taktik değiştirdikçe aynı kelimeler artık işe yaramaz, yeni kalıplar ortaya çıkar.

Bir başka örnek: Pandemi gibi ani olaylar alışveriş alışkanlıklarını değiştirdiğinde, eski verilerle eğitilmiş talep tahmini modelleri bir anda yanlış sonuç vermeye başlayabilir.

Türleri

Tür Açıklama
Ani İlişki kısa sürede köklü biçimde değişir
Kademeli Değişim yavaş yavaş gerçekleşir
Dönemsel Mevsimsel olarak tekrar eden değişimler
Tekrarlayan Eski bir örüntü bir süre sonra geri döner

Sık karıştırılan bir kavram da veri kaymasıdır: Orada girdilerin dağılımı değişir, ama ilişkinin kendisi aynı kalabilir.

Nasıl fark edilir ve yönetilir?

  • Modelin canlı ortamdaki performansını sürekli izle.
  • Tahmin hatalarında ani ya da düzenli artışları uyarıya bağla.
  • Modeli güncel veriyle düzenli aralıklarla yeniden eğit.
  • Gerekirse çevrimiçi öğrenme ya da sürekli öğrenme yaklaşımlarını kullan.

Bu izleme ve güncelleme işleri, MLOps uygulamalarının temel parçalarından biridir.

Sıkça Sorulan Sorular

Kavram kayması ile veri kayması arasındaki fark nedir?

Veri kaymasında girdilerin dağılımı değişir; örneğin kullanıcıların yaş ortalaması artar. Kavram kaymasında ise girdi ile hedef arasındaki ilişki değişir; aynı girdi artık farklı bir sonuca işaret eder.

Kavram kayması tamamen önlenebilir mi?

Önlenemez, çünkü dünyadaki değişimlerden kaynaklanır. Yapılabilecek şey, kaymayı erken fark edip modeli güncellemektir.

İlgili terimler

MLOpsMLOps (Machine Learning Operations), makine öğrenmesi modellerinin geliştirme, eğitim, dağıtım, izleme ve güncelleme süreçlerini otomatikleştirip güvenilir hâle getiren uygulamalar, araçlar ve ekip kültürü bütünüdür.Çevrimiçi Öğrenme(Online Learning)Çevrimiçi öğrenme (online learning), makine öğrenmesinde modelin tüm veriyi bir kerede kullanmak yerine veriler sırayla geldikçe her yeni örnek ya da küçük grupla kendini güncellediği ve değişen koşullara sürekli uyum sağladığı eğitim yaklaşımıdır.Sürekli Öğrenme(Continual Learning)Sürekli öğrenme (continual learning), bir yapay zekâ modelinin zaman içinde art arda gelen yeni görevleri ya da veri türlerini öğrenirken, daha önce öğrendiği bilgileri unutmadan biriktirmesini hedefleyen makine öğrenmesi alanıdır.Model Değerlendirme(Model Evaluation)Model değerlendirme (model evaluation), bir yapay zekâ modelinin belirli bir görevdeki başarısını, güvenilirliğini, adaletini ve güvenliğini; test verileri, metrikler, karşılaştırma testleri ve insan incelemesiyle ölçme sürecidir.Talep Tahmini(Demand Forecasting)Talep tahmini, bir ürün veya hizmete gelecekteki belirli bir dönemde ne kadar talep olacağını geçmiş satış verileri, mevsimsellik, kampanyalar ve dış etkenler yardımıyla öngörme sürecidir; stok, üretim ve personel planlamasının temelidir.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.