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。