概念偏移

在预测分析和机器学习中，术语“概念偏差”（或“数据偏差”）是指模型尝试预测的目标变量的属性（即每个标签所基于的主题和概念）会发生变化随着时间的推移，会以不可预见的方式出现。

本质上，随着时间的推移，进入数据集中的最新数据将与训练模型的原始数据越来越不同。

这会导致问题，因为随着时间的推移，预测的准确度会降低，并且模型尝试预测的变量与训练数据的差异越来越大。

概念偏移是正确维护生产用例中使用的模型如此重要的关键原因之一，例如 自动化，通过按计划进行少量的异常训练。