Il modello di previsione delle vendite giornaliere di un'azienda di vendita al dettaglio ha prodotto previsioni imprecise per tre settimane. Un AWS Glue job aggiunge le vendite effettive e le previsioni del modello a S3 ogni giorno. Il team ML sta indagando sul degrado del modello in un notebook di SageMaker Studio. Quale visualizzazione mostrerà in modo più accurato il degrado del modello nel tempo?

Un grafico a linee che mostra l'errore assoluto medio (MAE) settimanale del modello è la visualizzazione più efficace perché mostra chiaramente l'andamento delle prestazioni del modello nel tempo. Il MAE è una metrica comune per valutare l'accuratezza dei modelli di previsione e la sua rappresentazione settimanale permette di identificare rapidamente se il degrado è un evento recente o parte di una tendenza. Un istogramma delle vendite giornaliere (opzione 1) o degli errori del modello (opzione 2) fornirebbe una distribuzione, ma non un andamento temporale diretto. Sebbene utile per comprendere la variabilità, non evidenzierebbe il degrado "nel tempo" come richiesto. Un grafico a dispersione (opzione 4) potrebbe mostrare la relazione tra vendite ed errore, ma non è la visualizzazione più diretta per monitorare il degrado delle prestazioni nel tempo.