コンセプトドリフト
モデルが予測しようとしている対象変数の統計特性の時間経過に伴う変化は、モデルの劣化を引き起こします。
入力と出力の基盤となる関係性が変化した際に発生します。たとえば、季節的なトレンド、市場の変化、または敵対的な振る舞いなどが該当します。ドリフトの検知には、入力分布および出力分布の継続的な監視が必要であり、ガバナンスのワークフローでは、自動再デプロイの前に、ドリフトの閾値、再学習の実施頻度、ならびにヒューマン・イン・ザ・ループによる確認手順を定義しなければなりません。
小売企業の需要予測モデルは、購買パターンの変化により、パンデミック時に精度が急激に低下します。ドリフト検知機能がこの乖離を検知し、データサイエンスチームは次回の計画サイクル前に、季節性係数を調整した最新の販売データでモデルを再学習させます。
