AI 정책 연구
When to Retrain: An Empirical Study of Retraining Policies for Streaming ML Under Concept Drift, Budget, and Latency Constraints
ARarXiv
arXiv 논문은 개념 드리프트, 예산, 지연 조건에서 스트리밍 ML 재학습 정책을 실증 비교했다.
세 줄 요약
- 3,933회 실행에서 샘플마다 증분 갱신을 하면 재학습 정책 간 실질 차이가 거의 없었고, 그렇지 않으면 드리프트 후 정확도가 15~55%p 벌어졌다.
- 운영자는 재학습 정책보다 증분 학습 여부와 지연이 예산을 잠식하는지 먼저 점검할 근거를 얻는다.
- 결과는 즉시 라벨이 있는 선형 온라인 학습자, 3개 데이터셋, 최대 5단계 지연 조건에서 확인된 것이다.
arXiv 논문은 개념 드리프트, 예산, 지연 조건에서 스트리밍 ML 재학습 정책을 실증 비교했다.