不均衡データの多クラス分類をLightGBMでAIモデル構築する手順について

Question

不均衡データの多クラス分類を、LightGBMを用いて行うことを考えています。

AIモデルの構築は、SMOTEとLightGBMのハイパーパラメータを調整し、
正解率（評価関数）が良好なパラメータセットを見つける、という手順を考えています。
データは日々更新されるので、
「データが更新される度に最適なパラメータセットも変わるのでは？」
「いつまで経っても最終的なAIモデルが完成しないのでは？」
と危惧しています。

このようなAIモデル構築の手順について、何かアドバイスを頂ければ幸いです。

Answer 1

危惧される必要は無く、普通の運用です。
AIは利用開始後も適宜見直し・再学習をすべきであり、そのライフサイクル管理をMLOpsと呼んています。各社がそのための支援ツールを提供しています。

参考: MLOpsとは｜定義、メリット、課題、ツール、ワークフローを分かりやすく解説

ハイパラのチューニングは、AI再学習の１つのサブセットに過ぎません。

Comments

[nao1]

toast-uzさん、ご回答ありがとうございます。
私の危惧は、開発から運用に移行する際の課題ですね。

リンク先の紹介もありがとうございました。
MLOpsについて、自分で読み込んでみようと思います。