انحراف توزیع داده

Data Drift یعنی توزیع آماری داده‌های ورودی در طول زمان تغییر کند. این تغییر ممکن است بر عملکرد مدل اثر بگذارد، اما همیشه به معنی کاهش دقت نیست.

نحوه استفاده در عمل

اگر مدل فروش در دوره آموزش بیشتر داده مشتریان شهری دیده باشد و حالا ورودی‌ها از منطقه دیگری بیایند، توزیع ویژگی‌ها می‌تواند تغییر کند.

Data Drift با Concept Drift تفاوت دارد. برای تشخیص اثر واقعی باید کیفیت پیش‌بینی نیز تا حد امکان با برچسب معتبر سنجیده شود.

در همین واژه‌نامه، تغییر رابطه داده و هدف و انحراف مدل از مفاهیم مرتبط هستند.

مثال Data Drift

اگر الگوی خرید مشتریان پس از یک کمپین تغییر کند، توزیع مبلغ سفارش یا کانال ورودی نسبت به داده آموزش عوض می‌شود. این تغییر لزوماً معنی تغییر رابطه ویژگی با هدف را نمی‌دهد.