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、対象の変動要素のプロパティ (つまり、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動要素とトレーニング 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 ケースで使用するモデルを適切に保守することが重要である主な理由の 1 つです。たとえば、自動化を実現するには、定期的に少量の例外でトレーニングします。