저는 주요 소매점의 ML 전문가가 프레젠테이션을보고 있었는데 여기서 재고 부족 이벤트를 예측하는 모델을 개발했습니다.
시간이 지남에 따라 모델이 매우 정확 해 졌다고 가정 해 보자. 즉, 모델이 실제로 제대로 작동하면 품절 이벤트를 예상하고 피할 수 있으며 결국 품절 이벤트가 거의 또는 전혀없는 지점에 도달 할 수 있습니다. 그러나이 경우 모델을 실행할 수있는 과거 데이터가 충분하지 않거나 모델이 탈선됩니다. 재고 부족 이벤트를 나타내는 데 사용 된 것과 동일한 인과 요인이 더 이상 그렇게하지 않기 때문입니다.
그러한 시나리오를 다루기위한 전략은 무엇입니까?
또한, 반대 상황을 구상 할 수도 있습니다. 예를 들어, 추천 시스템은 두 항목이 실제로 그렇지 않은 경우에도 추천 시스템의 출력에 의해 구동되는 품목 쌍의 판매가 증가함에 따라 "자가 이행 예언"이 될 수 있습니다. 관련.
둘 다 예측 변수의 출력과 그것을 기반으로 수행되는 동작 사이에 발생하는 일종의 피드백 루프의 결과 인 것 같습니다. 이런 상황을 어떻게 다룰 수 있습니까?