Návrh tréningových dát

Návrh dát určuje, aké javy majú byť v učiacej množine zastúpené, kde vznikajú a v ktorom okamihu sú známe.

Rozhodnutia pri návrhu

Pri predikcii meškania môže dátum zaplatenia patriť do cieľového výsledku, ale v čase predikcie ešte neexistuje. Jeho zaradenie medzi vstupy umelo zlepší meranie.

Príklad z pracovného postupu

Pri odhade vyťaženia dielne na pondelok máme k dispozícii plán zmien z piatka. Skutočný počet odpracovaných hodín z pondelka už pri rozhodovaní nepoznáme. Práve táto hranica určuje, ktoré polia patria do vstupu.

Ako výsledok overiť

Rozdelíme dáta podľa času alebo zákazníka a preveríme dostupnosť každého atribútu k okamihu rozhodnutia.

Ako vyhodnotiť účinok zmeny v tréningu

Pre experiment si odložíme nemenný referenčný súbor. Záznamy od jednej organizácie alebo varianty rovnakého dokumentu môžu byť takmer totožné. Ich náhodné rozdelenie medzi tréning a test by vytvorilo zavádzajúci dojem, že model spoľahlivo zovšeobecňuje aj na nové prípady.

Pri porovnaní verzií evidujeme pôvod dát, rozhodnutie o čistení, konfiguráciu experimentu a rozdelenie chýb. O nasadení má rozhodnúť využiteľnosť na cieľovom procese spolu s nákladmi na správu a obnovu.

Pôvodný odborný zdroj – Návrh tréningových dát

Vzorka má zachytiť aj podmienky, v ktorých bude model dostávať neúplné prípady

Hotové archívne prípady často obsahujú poznámku s konečným riešením. Ak má model pomáhať hneď pri prijatí podnetu, v tom okamihu poznámka ešte chýba. Pri skladaní vstupu preto obnovíme údaje, ktoré mal pracovník skutočne k dispozícii pred rozhodnutím.

K príkladu uložíme pôvod dostupných polí aj čas doplnenia výsledku. Umožní to skontrolovať, či úspech na testovacej vzorke nestojí na informácii, ktorá sa do systému dostane až po uzavretí prípadu.

Otázky z praxe

Ako spoznať údaj, ktorý by v čase reálneho rozhodnutia nebol dostupný?

Pri každom atribúte zapíšeme okamih jeho vzniku a čas, keď ho systém naozaj dostal. Pri odhade meškania zákazky nemožno použiť poznámku, ktorú pracovník doplnil až po jej omeškaní. Historickú vzorku zostavíme tak, ako vyzerala pred rozhodnutím, vrátane vtedajších chýbajúcich údajov.

Čo keď zriedkavá chyba prakticky rozhoduje o úspechu?

Zriedkavé prípady potrebujeme vidieť oddelene, aj keď v bežnej prevádzke tvoria malý podiel. Zostavíme súbor hraničných príkladov a zároveň zachováme test zodpovedajúci reálnemu výskytu. Prvý odhalí charakter chyby, druhý pomôže odhadnúť počet zásahov pracovníka za skutočné obdobie.

Má ísť opravený doklad do dát spolu s pôvodným?

Závisí od toho, ktorú činnosť učíme. Pri hľadaní opráv potrebujeme pôvodný doklad aj jeho opravu s jasnou väzbou, pri čítaní konečnej sumy rozhoduje platná revízia. Súvisiace verzie ponecháme v tej istej dátovej skupine, aby jedna neprezradila odpoveď k druhej v teste.

Potrebujete poradiť?

Opíšte nám, čo potrebujete vyriešiť. Odpovedáme e-mailom.

O čo máte záujem?

Martin Michalka vám pošle návrh e-mailom. Opíšte jednu úlohu, ktorú vo firme robíte opakovane.

Ako vás máme kontaktovať?