METHOD FOR RETRAINING WITH AUTO-VALIDATION OF MACHINE LEARNING MODELS

Aspects of the disclosure are directed to retraining an ensemble machine learning model. The ensemble model can include a base model and an overlay model. The base model can be trained on an older dataset, validated, and manually verified. The overlay model can be trained on a newer dataset and automatically validated. A combination of base model predictions and overlay model predictions, with bias towards the base model predictions, can form ensemble model predictions. A model weight for optimizing the ensemble model can determine the bias, as well as indicate that the overlay model contributes too much or too little to the ensemble model. Des aspects de la divulgation concernent la réapprentissage d'un modèle d'apprentissage automatique d'ensemble. Le modèle d'ensemble peut comprendre un modèle de base et un modèle de superposition. Le modèle de base peut être entraîné sur un ensemble de données plus ancien, validé et vérifié manuellement. Le modèle de superposition peut être entraîné sur un ensemble de données plus récent et automatiquement validé. Une combinaison de prédictions de modèle de base et de prédictions de modèle de superposition, avec un biais en faveur des prédictions de modèle de base, peut former des prédictions de modèle d'ensemble. Un poids de modèle pour optimiser le modèle d'ensemble peut déterminer le biais, ainsi qu'indiquer que le modèle de superposition contribue trop ou pas assez au modèle d'ensemble.