CLASSIFICATION AND MODEL RETRAINING DETECTION IN MACHINE LEARNING

A computer-implemented method for training a generative adversarial network to detect a data drift of a machine learning model is described. The method uses supervised learning to generate a plurality of data points based on training data of the machine learning model. The method uses supervised learning to classify each data point of the plurality of data points and generate a classification probability distribution for the plurality of data points. The method detects the data drift of the machine learning model based on a deviation in the classification probability distribution. The detected data drift enables triggering a corrective action. L'invention concerne un procédé mis en œuvre par ordinateur pour entraîner un réseau antagoniste génératif pour détecter une dérive de données d'un modèle d'apprentissage machine. Le procédé utilise un apprentissage supervisé pour générer une pluralité de points de données sur la base de données d'entraînement du modèle d'apprentissage machine. Le procédé utilise un apprentissage supervisé pour classifier chaque point de données de la pluralité de points de données et générer une distribution de probabilité de classification pour la pluralité de points de données. Le procédé détecte la dérive de données du modèle d'apprentissage machine sur la base d'un écart dans la distribution de probabilité de classification. La dérive de données détectée permet de déclencher une action corrective.