Als prestatieschattingen niet kloppen
Stel je voor: je bent data scientist bij een bank en werkt aan een use case rond wanbetaling van leningen. Je ontvangt elke maand labels om je model en prestatie-schattingalgoritme te valideren. In een bepaalde maand merk je dat veel klanten met goedbetaalde banen vaker in gebreke blijven door een sterke stijging van de inflatie en een bijbehorende banencrisis.
Als je de geschatte en gerealiseerde prestaties vergelijkt, zie je een groot verschil tussen beide.
Wat zou een reden kunnen zijn waarom het prestatie-schattingalgoritme in deze situatie minder effectief is?
Deze oefening maakt deel uit van de cursus
Monitoring Machine Learning in Python
Praktische interactieve oefening
Zet theorie om in actie met een van onze interactieve oefeningen.
Begin met trainen