Dérive de concept

Dans l'analyse prédictive et l'apprentissage automatique, le terme dérive du concept ou dérive des données signifie que les propriétés des variables cibles, c'est-à-dire les thèmes et les concepts sous-jacents à chacun des libellés que le modèle tente de prédire, changent au fil du temps dans l'imprévu façons.

De manière générale, les données les plus récentes entrant dans l’ensemble de données seront de plus en plus différentes des données d’origine sur lesquelles le modèle a été formé, au fil du temps.

Cela provoque des problèmes, car les prédictions deviennent plus précises, au fur et à mesure, et les variables que le modèle essaie de prédire sont de plus en plus différentes des données d’entraînement.

La dérive du concept est l'une des principales raisons pour lesquelles il est important de maintenir correctement les modèles utilisés dans les cas d'utilisation de production. Par exemple, les automatisations peuvent être effectuées en effectuant une petite quantité d'entraînement d'exception sur une base planifiée.