Scenario Lab場景原子 × 產業 = 應用
← 所有場景

ML 模型卡

ml-model-card

指標 + 資料偏差 + 公平性

靈感: Google Model Cards, Weights & Biases
同一場景 × 10 個產業上下文
餐飲連鎖
restaurant在組合器開啟 →
ML Model Card
顧客流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
診所醫療
clinic在組合器開啟 →
ML Model Card
病患流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
房仲物件
realestate在組合器開啟 →
ML Model Card
買方流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
B2B SaaS
saas在組合器開啟 →
ML Model Card
客戶流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
電商品牌
ecommerce在組合器開啟 →
ML Model Card
買家流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
補習教育
education在組合器開啟 →
ML Model Card
學生流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
物流配送
logistics在組合器開啟 →
ML Model Card
收件人流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
健身工作室
fitness在組合器開啟 →
ML Model Card
會員流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
數位銀行
bank在組合器開啟 →
ML Model Card
帳戶持有人流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
飯店訂房
hospitality在組合器開啟 →
ML Model Card
旅客流失預測 v3.2
Production
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)