概念偏移

在预测分析和机器学习中，术语“概念偏移”或“数据偏移”是指目标变量的属性（即模型尝试预测的每个标签所隐含的主题和概念）会随时间以不可预见的方式发生变化方式。

本质上，随着时间的推移，进入数据集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，预测的准确性会降低，并且模型尝试预测的变量与训练数据越来越不同。

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，可以通过按计划执行少量异常训练来完成自动化。