Konzeptabweichung

Bei der Vorhersageanalyse und beim Machine Learning bedeutet der Begriff „Konzeptabweichung“ (oder „Datenabweichung“), dass sich die Eigenschaften der Zielvariablen (d. h. die Themen und Konzepte, die jeder der Bezeichnungen zugrunde liegen), die das Modell vorherzusagen versucht, ändern im Laufe der Zeit auf unvorhergesehene Weise übertragen wurde.

Im Wesentlichen werden sich neuere Daten, die in das Dataset eingehen, im Laufe der Zeit immer mehr von den ursprünglichen Daten unterscheiden, auf denen das Modell trainiert wurde.

Dies führt zu Problemen, da die Vorhersagen mit der Zeit ungenauer werden und die Variablen, die das Modell vorherzusagen versucht, sich immer mehr von den Trainingsdaten unterscheiden.

Konzeptabweichung ist einer der Hauptgrunde, warum es wichtig ist, Modelle, die in Anwendungsfällen in der Produktion verwendet werden, ordnungsgemäß zu pflegen , z. B indem regelmäßig eine kleine Menge Ausnahmetrainings durchgeführt wird.