Trực quan hóa và giải thích mô hình

Trực quan hóa và giải thích mô hình là một hướng phát triển quan trọng của khoa học dữ liệu và trí tuệ nhân tạo.

Nó giúp chúng ta hiểu rõ đặc điểm, cấu trúc và chất lượng dữ liệu đầu vào. Đồng thời, trực quan hóa mô hình làm sáng tỏ cách mô hình học và ra quyết định.

Trực quan hóa và giải thích mô hình ngày càng trở nên thiết yếu. Các hệ thống AI đang được ứng dụng rộng rãi trong nhiều lĩnh vực. Ví dụ như tài chính, y tế, giáo dục và doanh nghiệp.

Khả năng này giúp nâng cao tính minh bạch, độ tin cậy và khả năng kiểm chứng kết quả.

Bài học này giới thiệu vai trò của trực quan hóa. Nó bao quát toàn bộ vòng đời của mô hình AI. Từ tiền xử lý dữ liệu đến giám sát sau triển khai. Thông qua bài, chúng ta sẽ thấy cách trực quan hóa kết nối dữ liệu, mô hình và con người. Đây cũng là nền tảng cho các môn học chuyên sâu sau này.

1. Trực quan hóa hỗ trợ tiền xử lý dữ liệu

Một trong những bước quan trọng trước khi xây dựng mô hình là quan sát dữ liệu một cách trực quan. Đây là giai đoạn mà ta cần nhìn tổng thể tập dữ liệu để hiểu nó đang “trông như thế nào”, phân phối ra sao, có vấn đề gì tiềm ẩn hay không.

Nếu bỏ qua bước này, mô hình có thể học từ những dữ liệu sai lệch, xuất hiện bias, và kết quả dự đoán sau đó sẽ thiếu tin cậy.

Xác định phân phối của dữ liệu

Trực quan hóa giúp ta xác định cấu trúc phân phối dữ liệu. Xem dữ liệu lệch nhiều hay ít, hay tập trung vào một vùng nào, hay bị phân tán quá rộng.

Điều này rất quan trọng vì cách phân phối của dữ liệu sẽ quyết định đến cách lựa chọn phương pháp xử lý, lựa chọn mô hình và cả cách đánh giá kết quả.

Kỹ thuật phát hiện Outliers

Trực quan hóa sơ bộ còn giúp phát hiện các điểm dị biệt (outlier). Đây là những điểm dữ liệu nằm quá xa so với phần còn lại và có thể làm sai lệch quá trình học của mô hình. Outlier có khi tốt có khi xấu. Chẳng hạn lỗi nhập liệu, hoặc có khi đó lại là tín hiệu có giá trị, phản ánh một nhóm hành vi đặc biệt, một sự cố bất thường hoặc một insight gíup ta hiểu sâu hơn về bài toán.

• Boxplots: Xác định phân tứ phân vị và các điểm nằm ngoài râu (whiskers) biểu thị dị biệt thống kê
• Scatter Plots: Phát hiện dị biệt đa chiều thông qua các cụm điểm nằm tách biệt hoàn toàn
• Z-Score Maps: Mã hóa màu sắc để hiển thị mức độ lệch chuẩn của từng điểm dữ liệu trên bản đồ nhiệt

Trực quan hóa dữ liệu thiếu

Trực quan hóa còn giúp nhận diện dữ liệu thiếu. Cột nào thiếu ít, cột nào thiếu nhiều, dữ liệu bị thiếu theo một quy luật nào không.

Chẳng hạn matrix plot giúp hiển thị những ô trống trong tập dữ liệu.  Heatmap giúp quan sát mối liên hệ giữa các cột bị thiếu, từ đó gợi ý rằng hiện tượng thiếu dữ liệu có thể mang tính hệ thống. Còn bar chart giúp ta xem tỷ lệ phần trăm bị thiếu ở từng biến, giúp ta quyết định nên giữ lại, loại bỏ hay nội suy dữ liệu. Đây là những quyết định ảnh hưởng lớn đến hiệu quả cuối cùng của mô hình.

Phân tích tương quan giữa các thuộc tính

Sau cùng, trực quan hóa còn hữu ích trong việc phân tích tương quan giữa các thuộc tính

Thông qua Correlation matrix và heatmap giúp phát hiện đa cộng tuyến. Chúng cho thấy các biến mang thông tin gần như trùng nhau. Khi đó, mô hình dễ trở nên phức tạp. Nó cũng khó diễn giải và kém ổn định hơn.

Ngoài ra, heatmap tương quan giúp nhận diện biến ảnh hưởng mạnh đến nhãn mục tiêu. Nhờ vậy, ta có cơ sở để giảm chiều dữ liệu và chọn đặc trưng tốt hơn.

Nhiều lỗi của mô hình bắt nguồn từ dữ liệu. Không phải từ thuật toán. Chúng ta cần hiểu và xử lý dữ liệu đúng cách ngay từ đầu.

Những kỹ thuật trên là nền tảng quan trọng. Chúng hỗ trợ quá trình trực quan hóa và giải thích mô hình ở các bước sau.

Những kỹ thuật trên là nền tảng quan trọng cho quá trình trực quan hóa và giải thích mô hình trong các bước tiếp theo.

2. Trực quan hóa kết quả khai thác dữ liệu

Sau khi dữ liệu được tiền xử lý. Các thuật toán khai thác dữ liệu được dùng để phát hiện mẫu, phân lớp, phân cụm dữ liệu. Trực quan hóa giúp quan sát, hiểu cấu trúc và kết quả của các mô hình khai thác dữ liệu. PBC và CIAD là hai ví dụ tiêu biểu cho hướng tiếp cận này.

PBC – Pixel-Based Classification

Đây là kỹ thuật trực quan hóa dữ liệu đa chiều. Mỗi điểm dữ liệu được biểu diễn bằng một pixel trên màn hình.

Màu sắc pixel thể hiện giá trị thuộc tính hoặc phân biệt các nhóm dữ liệu.

PBC có thể hiển thị tập dữ liệu rất lớn. Hàng trăm nghìn đến hàng triệu điểm dữ liệu vẫn được xem tổng quan. Người phân tích dễ quan sát các cụm dữ liệu và mẫu phân bố.

Hiệu quả của PBC phụ thuộc vào cách ánh xạ dữ liệu. Các điểm gần nhau trong dữ liệu phải nằm gần nhau trên màn hình. Nhiều kỹ thuật ánh xạ đã được đề xuất. Ví dụ: Hilbert, Peano, ánh xạ phân cấp hoặc dựa trên phân cụm.

CIAD – Clustering and Interaction for Analysis of Data

PBC tập trung vào quy mô lớn. Còn CIAD nhấn mạnh sự tương tác giữa con người và phân tích.

Với CIAD, người dùng tương tác trực tiếp với dữ liệu và kết quả phân cụm. Họ có thể lọc dữ liệu, thay đổi tham số hoặc điều chỉnh góc nhìn. Nhờ đó, họ quan sát sự thay đổi của cụm theo thời gian thực. Người phân tích hiểu rõ quá trình hình thành và biến đổi của các cụm.

Các kỹ thuật này giúp hiểu sâu dữ liệu và cấu trúc của nó. Khi xây dựng mô hình học máy, ta cần hiểu cách mô hình đưa ra dự đoán. Đây là mục tiêu của phần trực quan hóa để giải thích mô hình tiếp theo.

3. Trực quan hóa để giải thích mô hình

Một mô hình có độ chính xác cao nhưng không giải thích được đôi khi vẫn khó được chấp nhận. Đặc biệt trong lĩnh vực tài chính, y tế, hay các hệ thống hỗ trợ ra quyết định.

Vì thế, trực quan hóa là công cụ giúp làm rõ cách mô hình học và đưa ra dự đoán. Thay vì chỉ nhìn vào kết quả cuối cùng. Người dùng có thể quan sát các yếu tố ảnh hưởng đến quyết định của mô hình. Và từ đó hiểu rõ hơn cơ chế hoạt động bên trong của nó.

Twokey Plot & sự tương tác giữa biến

Một ví dụ là Twokey Plot. Công cụ này giúp trực quan hóa sự tương tác giữa hai biến đầu vào cùng ảnh hưởng đến biến mục tiêu. Trong thực tế, kết quả dự đoán của mô hình hiếm khi chỉ do một biến đơn lẻ quyết định. Nhiều khi sự kết hợp giữa hai biến mới tạo ra khác biệt rõ ràng.

Twokey Plot giúp người học thấy rằng mô hình phản ứng ra sao khi hai biến thay đổi đồng thời. Đây là một ý rất quan trọng vì nó mở ra cách nhìn mới: mô hình không chỉ học từng biến riêng rẽ, mà còn học cả mối quan hệ giữa các biến.

Ở đây, chúng ta chưa cần đi sâu vào kỹ thuật dựng đồ thị. Điều cần nhớ là: trực quan hóa có thể giúp ta hiểu mối quan hệ mà mô hình đang học, thay vì chỉ nhìn vào đầu ra cuối cùng.

Trong ví dụ này:

• Trục ngang (X) biểu diễn thu nhập của khách hàng.
• Trục dọc (Y) biểu diễn số năm kinh nghiệm.
• Màu sắc trên nền biểu thị xác suất được tuyển dụng.
• Các vùng màu sáng hơn thể hiện xác suất cao hơn, trong khi các vùng màu tối hơn thể hiện xác suất thấp hơn.

Hình cho thấy kết quả không chỉ phụ thuộc vào từng biến riêng lẻ. Kết quả còn phụ thuộc vào sự kết hợp giữa chúng. Một người có thu nhập cao nhưng ít kinh nghiệm có thể có xác suất được tuyển dụng thấp hơn một người có mức thu nhập trung bình nhưng kinh nghiệm cao.

CubeVis – Nhìn dữ liệu theo không gian trực quan

Bên cạnh việc quan sát các biến riêng lẻ. Người phân tích cũng cần hiểu cách dữ liệu phân bố trong không gian nhiều chiều mà mô hình đang làm việc.

CubeVis là kỹ thuật hỗ trợ quan sát dữ liệu dưới nhiều góc nhìn khác nhau. Thông qua các lát cắt và phép chiếu trực quan. Nhờ đó, ta hiểu rõ hơn bối cảnh dữ liệu mà mô hình đã học và đưa ra dự đoán.

Dữ liệu được biểu diễn bên trong một khối lập phương (cube). Trong đó ba trục của không gian tương ứng với ba chiều quan sát được lựa chọn từ dữ liệu. Các điểm dữ liệu được phân bố trong không gian này và có thể được tô màu để dễ quan sát

Tree Visualization

Trong số các ví dụ về giải thích mô hình, Tree Visualization là ví dụ gần gũi nhất. Cây quyết định giúp mô hình có tính giải thích tương đối cao. Vì mỗi quyết định được tạo ra theo từng nhánh điều kiện.

Khi trực quan hóa cây, có thể quan sát được đường đi dẫn tới một quyết định. Thấy được nút nào quan trọng, nhánh nào đóng góp nhiều. Và từ đó hiểu mô hình đã “đi theo logic nào” để đi đến kết quả cuối cùng.

Vis-SVM  – Làm cụ thể những khái niệm toán học

Một số mô hình AI được xây dựng dựa trên các ý tưởng toán học khá trừu tượng. Nếu chỉ nhìn vào công thức hoặc định nghĩa. Chúng ta thường khó hình dung mô hình hoạt động như thế nào.

Vis-SVM là một ví dụ cho thấy vai trò của trực quan hóa trong trường hợp này. Thông qua hình ảnh, có thể quan sát cách mô hình tìm ra một ranh giới để phân tách các nhóm dữ liệu khác nhau. Những điểm dữ liệu nằm gần ranh giới này thường có ảnh hưởng lớn đến quyết định của mô hình và vì vậy được xem là những điểm quan trọng.

Nhờ trực quan hóa, các khái niệm mang tính toán học được biểu diễn dưới dạng hình ảnh trực quan. Giúp hiểu được ý tưởng cơ bản trước khi tiếp cận các công thức chi tiết trong các môn học chuyên sâu hơn như Máy học cơ bản hay Toán cho học máy.

4. Trực quan hóa trong đánh giá, giám sát và trình bày kết quả mô hình

Sau khi mô hình được xây dựng và giải thích, một câu hỏi quan trọng tiếp theo là: làm thế nào để đánh giá chất lượng của mô hình, theo dõi mô hình khi đưa vào sử dụng và trình bày kết quả cho người khác hiểu được?

Đây là một nội dung rất thực tế. Xây dựng được mô hình tốt mới chỉ là một phần công việc. Phần còn lại là làm sao để người quản lý, khách hàng hoặc các bên liên quan có thể hiểu mô hình đang hoạt động như thế nào, có đáng tin cậy hay không và có thể sử dụng kết quả của mô hình trong thực tế hay không.

Vì vậy, trực quan hóa ở giai đoạn này không chỉ dùng để hiển thị các chỉ số đánh giá mà còn giúp giám sát mô hình theo thời gian, phát hiện các bất thường trong dữ liệu và truyền đạt kết quả phân tích một cách rõ ràng. Một báo cáo tốt thường phải phục vụ ít nhất ba mục tiêu: đánh giá được chất lượng mô hình, hỗ trợ ra quyết định và đảm bảo tính minh bạch của các dự đoán do AI tạo ra.

Ở giai đoạn hiện tại, chúng ta chưa cần xây dựng những hệ thống dashboard chuyên nghiệp, nhưng cần hiểu rằng trực quan hóa trong đánh giá và giám sát mô hình là công cụ giao tiếp, công cụ thuyết phục và cũng là công cụ hỗ trợ ra quyết định.

Dashboard giám sát mô hình

Một hình thức phổ biến hiện nay là dashboard giám sát mô hình. Dashboard không nên chỉ hiển thị vài chỉ số rời rạc, mà cần phản ánh được sức khỏe tổng thể của mô hình theo thời gian.

Một dashboard giám sát mô hình không có một bộ chỉ số cố định cho mọi trường hợp. Các chỉ số cần theo dõi phụ thuộc vào loại bài toán và mục tiêu sử dụng mô hình.

Với bài toán phân loại (classification)

Ví dụ phân loại đậu/rớt, spam/không spam, rời bỏ/không rời bỏ dịch vụ… Dashboard giám sát mô hình thường theo dõi các chỉ số: Accuracy, Precision, Recall, F1-score, confusion matrix.

• Accuracy (Độ chính xác): là tỷ lệ các dự đoán đúng trên toàn dữ liệu. Chỉ số này rất dễ hiểu vì nó trả lời câu hỏi: mô hình dự đoán đúng bao nhiêu phần trăm?
• Precision (Độ tin cậy của cảnh báo): Precision trả lời câu hỏi: Trong những trường hợp mô hình đưa ra cảnh báo, bao nhiêu trường hợp là đúng? Ví dụ mô hình cảnh báo một số khách hàng có nguy cơ rời bỏ. Precision cho biết trong những khách cảnh báo, bao nhiêu người thực sự có nguy cơ rời bỏ? Chỉ số này quan trọng, vì cảnh báo sai gây tốn kém, dẫn tới gọi nhầm khách không có vấn đề, gửi ưu đãi không cần thiết.
• Recall (Khả năng phát hiện): Recall trả lời câu hỏi: Trong những trường hợp thực sự quan trọng, mô hình phát hiện được bao nhiêu? Ví dụ Trong những khách thực sự có nguy cơ rời bỏ, mô hình phát hiện được bao nhiêu? Recall quan trọng vì bỏ sót trường hợp nghiêm trọng là điều cần tránh, dẫn đến bỏ sót khách sắp rời bỏ, bỏ sót gian lận, bỏ sót bệnh lý
• F1-score: là tổng hợp điều hòa giữa Precision và Recall. F1-score càng cao cho thấy mô hình càng cân bằng giữa khả năng phát hiện đúng và hạn chế cảnh báo sai.

• Confusion matrix: cho biết mô hình đúng và sai theo từng loại. Đây là cách rất trực quan để thấy mô hình đang sai kiểu gì.

Với bài toán hồi quy

Với bài toán hồi quy (regression), mô hình dự đoán một giá trị số liên tục như giá nhà, doanh thu hoặc nhiệt độ.

Dashboard giám sát mô hình lúc này người ta thường quan tâm đến các chỉ số MAE, MSE, RMSE hoặc R².

• MAE: sai số trung bình. Tức là trung bình mỗi lần dự đoán lệch bao nhiêu đơn vị.
• MSE: sai số bình phương trung bình. Sai số lớn sẽ bị phạt mạnh hơn vì có bình phương.
• RMSE: căn bậc hai của MSE. Ý nghĩa gần giống MSE nhưng dễ hiểu hơn vì cùng đơn vị với dữ liệu gốc.
• R²: cho biết mô hình giải thích được bao nhiêu mức độ biến thiên của dữ liệu. Càng gần 1 thường càng tốt.

Với bài toán phân cụm

Đây là bài toán chia dữ liệu thành các nhóm (cụm) mà không có nhãn sẵn. Do không có đáp án đúng cụ thể, việc đánh giá mô hình thường dựa vào mức độ “tự nhiên” của các cụm được hình thành.

• Silhouette score: Silhouette score đo mức độ hợp lý của việc một điểm dữ liệu được gán vào cụm hiện tại. Nó dựa trên hai yếu tố:
• Điểm đó gần các điểm trong cùng cụm của nó đến mức nào
• Và xa các cụm khác ra sao

 Hiểu đơn giản: Một điểm được coi là “thuộc đúng cụm” nếu nó gần cụm của mình và xa các cụm còn lại. Giá trị càng cao → các cụm càng rõ ràng và tách biệt tốt.

• Davies–Bouldin index: Davies–Bouldin index đo mức độ “trùng lặp” giữa các cụm. Nó so sánh:
• độ phân tán bên trong từng cụm
• với mức độ gần nhau giữa các cụm

Hiểu đơn giản: Nếu các cụm quá gần nhau hoặc quá “loãng”, chỉ số này sẽ tăng. Giá trị càng thấp → các cụm càng tách biệt và ổn định.

Với bài toán dự báo chuỗi thời gian

Ví dụ như dự báo doanh thu tháng tới, nhiệt độ ngày mai, hoặc lượng bán hàng trong tuần tiếp theo.

Đây là bài toán dự đoán các giá trị theo thời gian, nên việc đánh giá mô hình thường dựa trên mức độ sai lệch giữa giá trị dự đoán và giá trị thực tế.

• MAE (Mean Absolute Error)

MAE đo sai số trung bình giữa giá trị dự đoán và giá trị thực tế.

Chỉ số này trả lời câu hỏi: Trung bình mỗi lần dự đoán sai bao nhiêu đơn vị? MAE dễ hiểu và ít bị ảnh hưởng bởi các giá trị sai lệch quá lớn.

• RMSE (Root Mean Squared Error)

RMSE cũng đo sai số dự đoán, nhưng phạt nặng hơn các lỗi lớn. Điều này có nghĩa là:

• Nếu mô hình dự đoán sai lớn ở một vài điểm, RMSE sẽ tăng mạnh hơn MAE
• Do đó RMSE nhạy hơn với các sai số bất thường

• MAPE (Mean Absolute Percentage Error)

MAPE đo sai số theo tỷ lệ phần trăm so với giá trị thực tế. Chỉ số này trả lời câu hỏi: Trung bình dự đoán sai khoảng bao nhiêu phần trăm so với giá trị thật?

Ví dụ, MAPE = 10% nghĩa là: trung bình dự đoán lệch khoảng 10% so với thực tế

Tuy nhiên, MAPE không phù hợp khi giá trị thực tế bằng hoặc gần 0, vì khi đó sai số phần trăm sẽ bị phóng đại hoặc không xác định.

Ngoài ra, nhiều dashboard còn:  

Ngoài các chỉ số đánh giá hiệu năng mô hình, trong thực tế các hệ thống giám sát (monitoring dashboard) còn theo dõi các hiện tượng quan trọng liên quan đến sự thay đổi theo thời gian của mô hình và dữ liệu.

• Data drift: theo dõi sự thay đổi trong phân phối của dữ liệu đầu vào theo thời gian. Khi dữ liệu thực tế khác đáng kể so với dữ liệu huấn luyện ban đầu, mô hình có thể không còn phù hợp như trước.
• Prediction drift: theo dõi sự thay đổi trong phân phối các kết quả dự đoán của mô hình theo thời gian. Nếu phân phối đầu ra thay đổi bất thường, đây có thể là dấu hiệu mô hình đang hoạt động trong một bối cảnh khác so với giai đoạn huấn luyện.

Từ các khái niệm này, có thể thấy rằng: một mô hình sau khi triển khai không phải là một hệ thống “tĩnh”, mà là một hệ thống cần được theo dõi liên tục thông qua các tín hiệu trực quan để đảm bảo tính ổn định và độ tin cậy theo thời gian.

Kỹ năng trình bày kết quả phân tích

Ngoài các dashboard giám sát mô hình, kỹ năng trình bày kết quả (data storytelling) là một năng lực quan trọng của người làm AI và phân tích dữ liệu.

Data storytelling không chỉ là việc hiển thị biểu đồ hay bảng số liệu, mà là cách biến kết quả phân tích thành một câu chuyện có logic rõ ràng, giúp người xem hiểu được vấn đề, giải pháp và ý nghĩa thực tế của mô hình.

Một cách trình bày hiệu quả thường đi theo luồng:

bắt đầu từ vấn đề thực tế → mô hình hoặc phương pháp được áp dụng → kết quả thu được → và cuối cùng là tác động đến quyết định kinh doanh hoặc hệ thống.

Bên cạnh đó, khi trình bày kết quả, cần tuân thủ nguyên tắc tối giản hóa thông tin trực quan (visual simplicity). Điều này có nghĩa là tránh đưa quá nhiều biểu đồ, quá nhiều màu sắc hoặc quá nhiều chỉ số trên cùng một màn hình, vì có thể gây nhiễu và làm người xem khó tập trung vào thông điệp chính.

Ví dụ: Dashboard giám sát mô hình dự đoán churn

Để hình dung cụ thể, ta xét một mô hình được triển khai trong thực tế nhằm dự đoán khả năng khách hàng rời bỏ dịch vụ (customer churn).

Theo dõi hiệu năng mô hình theo thời gian

Sau khi mô hình được đưa vào vận hành, hiệu năng của nó cần được theo dõi liên tục.

Lý do là dữ liệu trong thực tế không cố định: hành vi người dùng, thị trường và bối cảnh kinh doanh có thể thay đổi theo thời gian, khiến chất lượng dự đoán suy giảm.

Trong bài toán churn, dashboard thường theo dõi các chỉ số như Precision, Recall, F1-score, kết hợp với confusion matrix, phân phối xác suất dự đoán, và các chỉ báo về data drift.

Điểm quan trọng ở đây là: việc đánh giá mô hình không chỉ diễn ra trong giai đoạn huấn luyện, mà là một quá trình kéo dài trong suốt vòng đời triển khai.

Baseline (F1 target = 0.8)

• Đây là ngưỡng “mức hiệu năng chấp nhận được”
• Giúp trả lời câu hỏi:  Mô hình đang tốt hay đang dưới chuẩn?

Khi đường F1 > baseline → mô hình đang hoạt động ổn định

Khi F1 < baseline (ví dụ Jan 02, Jan 05, Jan 08)→ cảnh báo:

• mô hình suy giảm
• có thể do data drift hoặc thay đổi hành vi khách hàng

Ý nghĩa quan trọng trong thực tế

Dashboard này giúp trả lời 3 câu hỏi:

1. Mô hình có đang giữ được hiệu năng không?
2. Có giai đoạn nào mô hình suy giảm không?
3. Có cần retrain không?

Confusion matrix

Một công cụ rất quen thuộc nhưng rất hữu ích là confusion matrix. Nếu số lượng False Negative cao, nghĩa là nhiều khách hàng thực sự sắp rời bỏ nhưng mô hình lại không phát hiện ra. Trong kinh doanh, điều này có thể gây mất cơ hội giữ chân khách hàng. Ngược lại, nếu False Positive cao, doanh nghiệp có thể tốn công can thiệp vào những trường hợp không cần thiết.

Điểm đáng chú ý ở đây là: chỉ cần trực quan hóa confusion matrix đúng cách, người xem đã có thể hiểu mô hình sai ở đâu và sai theo kiểu gì, thay vì chỉ nhìn vào một con số accuracy tổng quát.

Theo dõi phân phối xác suất dự đoán

Một cách quan trọng để giám sát mô hình trong thực tế là theo dõi phân phối xác suất đầu ra của mô hình theo thời gian.

Cụ thể, ta so sánh phân phối xác suất dự đoán trên dữ liệu huấn luyện (training) và dữ liệu thực tế khi triển khai (production).

Nếu hai phân phối này khác nhau đáng kể, điều đó cho thấy mô hình đang bắt đầu đưa ra dự đoán theo một “hành vi mới” so với giai đoạn huấn luyện ban đầu.

Theo dõi data drift

Ngoài ra, data drift là khái niệm rất quan trọng mà chúng ta sẽ còn gặp lại ở các môn sau. Data drift xảy ra khi dữ liệu thực tế mà mô hình đang xử lý khác dần với dữ liệu huấn luyện ban đầu.

Ví dụ, nếu tuổi trung bình của khách hàng trong dữ liệu huấn luyện là 35 . Nhưng trong dữ liệu thực tế sau một thời gian lại tăng lên 45. Điều đó cho thấy mô hình đang làm việc trong một bối cảnh mới. Khi sự thay đổi đủ lớn, mô hình có thể cần được huấn luyện lại.

Trong bài này, mục tiêu chưa phải là đi sâu vào kỹ thuật phát hiện drift. Mà là để chúng ta hiểu một điều: mô hình AI không bất biến; khi dữ liệu thay đổi, hiệu quả mô hình cũng có thể thay đổi theo.

Hiển thị mức độ quan trọng của các đặc trưng

Trong các mô hình học máy, đặc biệt là mô hình phân loại hoặc hồi quy, mỗi dự đoán được tạo ra dựa trên sự kết hợp của nhiều đặc trưng đầu vào. Feature importance cho biết mức độ đóng góp tương đối của từng đặc trưng vào kết quả dự đoán của mô hình. Ví dụ, trong bài toán dự đoán churn:

• age (tuổi khách hàng)
• usage_time (thời gian sử dụng dịch vụ)
• complaints (số lần khiếu nại)

Mô hình có thể học rằng một số đặc trưng ảnh hưởng mạnh hơn đến quyết định cuối cùng so với các đặc trưng khác.

Việc trực quan hóa feature importance giúp:

• Chúng ta hiểu mô hình đang “dựa vào yếu tố nào” khi dự đoán
• Phát hiện các yếu tố có ảnh hưởng lớn đến hành vi khách hàng
• Hỗ trợ giải thích mô hình (model interpretability) trong thực tế

Tuy nhiên: Feature importance không đồng nghĩa với “nguyên nhân thực sự”. Nó chỉ phản ánh mức độ đóng góp trong mô hình.

Nhờ biểu đồ này, người vận hành có thể:

• kiểm tra mô hình có đang học đúng logic kinh doanh hay không
• phát hiện trường hợp mô hình phụ thuộc quá nhiều vào một biến
• hỗ trợ ra quyết định (ví dụ tập trung cải thiện trải nghiệm khách hàng)

Tóm lại: Feature importance giúp trả lời câu hỏi “mô hình dùng gì để dự đoán”.Chứ không trả lời “vì sao trong thực tế điều đó đúng”.

Kết luận

Trực quan hóa và giải thích mô hình đóng vai trò quan trọng trong AI. Nó giúp hiểu dữ liệu và khám phá tri thức. Nó cũng tăng tính minh bạch của hệ thống AI.

Thông qua các kỹ thuật trực quan hóa dữ liệu và mô hình. Con người hiểu rõ cách mô hình hoạt động.
Họ cũng có thể đánh giá chất lượng dự đoán dễ hơn.

Ngoài ra, các công cụ giám sát mô hình giúp phát hiện vấn đề trong quá trình triển khai. Ví dụ như data drift hoặc suy giảm hiệu năng.

Đây là nền tảng quan trọng để xây dựng hệ thống học máy hiệu quả. Hệ thống này cần đáng tin cậy và dễ giải thích.