Nothing close enough? Start from a blank erd → Describe it in one paragraph.
How to
How to use an erd template.
- 01確認監控實體
列出需要追蹤的核心物件，例如模型、資料集、預測和真實標籤。
- 02定義關係
將模型連結至推論記錄、特徵和警示事件，讓每個監控查詢都有清楚的查詢路徑。
- 03加入監控指標
建立資料漂移、模型效能和偏差指標資料表，並包含時間戳記與門檻值。
- 04區分正式環境與參考資料
建模呈現即時預測資料與用於比較的參考或驗證資料集之間的差異。
- 05產生 ERD
使用產生器將實體清單與關係轉換成可分享的圖表。
FAQ
Questions about erd templates
機器學習監控資料模型通常包含哪些資料表？
常見資料表包括模型、模型版本、推論記錄、預測結果、真實標籤、特徵快照、漂移指標和警示事件。
如何設計監控模型漂移的 ERD？
建立一個與模型版本和時間戳記連結的指標資料表，儲存每項特徵或資料分布的漂移測量值。
預測資料和真實標籤應該放在不同資料表嗎？
是，建議分開儲存，因為真實標籤可能較晚才取得，可用於延遲評估；透過預測 ID 將兩者連結。
這些 ERD 範例可以套用到不同的 ML 使用情境嗎？
當然可以——將「recommendation」或「sensor」等實體替換或延伸為符合應用程式的預測和特徵名稱，同時保留核心監控關係。
偏差偵測需要另外建立資料表嗎？
偏差偵測指標通常可放在包含指標類型欄位的指標資料表中；但如果要追蹤公平性群組和資料切片，可能需要另外建立群組層級指標資料表。