Co se stane, když model v provozu začne ztrácet přesnost?

Data se v čase mění a s nimi klesá přesnost modelu. Proto od začátku měříme kvalitu výstupů proti kontrolnímu vzorku a hlídáme odchylky ve vstupních datech. Když přesnost spadne pod dohodnutou hranici, dostanete upozornění a model přetrénujeme na aktuálních datech. U některých úloh je přetrénování rovnou pravidelné.