概念ドリフト

予測分析とマシン ラーニングでは、「概念ドリフト」 (または「データ ドリフト」) という用語は、モデルが予測しようとしているターゲット変数のプロパティ (各ラベルの基となるテーマと概念) が時間とともに予期しない形で変化することを意味します。

基本的に、最新のデータがデータセットに取り込まれていくと、時間とともに、データセットと、モデルがトレーニングされた元のデータとの違いが次第に大きくなっていきます。

これによって問題が発生します。時間とともに予測の精度が低下し、モデルが予測しようとしている変数とトレーニング データとの違いが次第に大きくなっていくからです。

概念ドリフトは、運用環境のユース ケース (オートメーションなど) で使用するモデルを定期的に少量の例外でトレーニングして、適切に保守することが重要である主な理由の 1 つです。