Desvio de conceito

Na análise preditiva e no aprendizado de máquina, o termo "desvio de conceito" (ou "desvio de dados") significa que as propriedades das variáveis de destino (ou seja, os temas e conceitos subjacentes a cada rótulo), que o modelo está tentando prever, mudam ao longo do tempo de formas imprevistas.

Essencialmente, os dados mais recentes que entram no conjunto de dados serão, ao longo do tempo, cada vez mais diferentes dos dados originais nos quais o modelo foi treinado.

Isso causa problemas porque as previsões tornam-se menos precisas com o passar do tempo e as variáveis que o modelo está tentando prever tornam-se cada vez mais diferentes dos dados de treinamento.

O desvio de conceito é uma das principais razões pelas quais é importante manter adequadamente modelos usados em casos de uso de produção, por exemplo, automações, fazendo uma pequena quantidade de treinamento de exceção de forma programada.