<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>重训 on PlumePHP</title><link>https://plumephp.com/tags/%E9%87%8D%E8%AE%AD/</link><description>Recent content in 重训 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Wed, 30 Sep 2026 11:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E9%87%8D%E8%AE%AD/index.xml" rel="self" type="application/rss+xml"/><item><title>模型监控与数据漂移检测：PSI、KS 与概念漂移实战</title><link>https://plumephp.com/ml-model-monitoring-drift/</link><pubDate>Wed, 30 Sep 2026 11:00:00 +0800</pubDate><guid>https://plumephp.com/ml-model-monitoring-drift/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;模型上线那天分数最好——之后往往一路走低。原因不在代码，而在&lt;strong&gt;世界变了&lt;/strong&gt;：用户群体变了、业务规则变了、数据分布变了。离线评估只能证明「当时好」，线上监控才是「一直好」的保证。本文讲清三类漂移（数据/概念/预测）、两大指标（PSI、KS），给出监控信号、阈值设定、告警与重训的完整工程闭环。&lt;/p&gt;</description></item></channel></rss>