最終更新日:
モデルの入力データが時間の経過とともに変化することであり、監視や対処を行わない場合、モデルのパフォーマンス低下を招く恐れがあります。
季節性、ユーザー行動の変化、または外部要因によって、入力データの統計的特性がトレーニング時の分布から乖離し、モデルの予測精度が徐々に低下する現象を指します。効果的なドリフト管理には、自動検知（特徴量分布の比較など）、アラート用のしきい値設定、そしてパフォーマンスを回復させるための再学習や再キャリブレーションのワークフローが含まれます。
実際の導入事例：
あるEC小売企業の需要予測モデルが、予期せぬ異常気象により夏物衣類の売上を突如過小評価してしまいます。ドリフト検出器が気温特徴量の分布の変化を検知し、直近のデータを用いた再学習をトリガーすることで、在庫切れが発生する前に予測精度を回復させます。
