Konzeptabweichung

In der prädiktiven Analyse und im Machine Learning bedeutet der Begriff Konzeptabweichung oder Datenabweichung, dass sich die Eigenschaften der Zielvariablen, d. h. die Themen und Konzepte, die jeder der Beschriftungen, die das Modell vorherzusagen versucht, zugrunde liegen, im Laufe der Zeit unvorhergesehen ändern Möglichkeiten.

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

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

Concept drift is one of the key reasons why it is important to properly maintain models used in production use-cases. For example, automations can be done by performing a small amount of exception training on a scheduled basis.