データドリフト

データドリフトって何？

モデルは「過去のデータ」で学習しますが、現実は止まりません。データドリフトとは、本番環境に入ってくるデータの分布が、学習時のデータから少しずつズレていく現象です。たとえば「週末に何を買うか」を予測するモデルが2019年のデータで学習したとします。数年後、人の行動は変わったのに、モデルは世界が昔のままだと思っています。

どんな種類がある？

コンセプトドリフト
データではなく「入力と出力の関係」が変わるケース。スパムの手口が変わり、「良いメール」の定義が変わるようなもの。
共変量シフト
入力データの分布が変わるケース。ユーザーの年齢構成が変わるなど、ルール自体は同じ。
ラベルドリフト
予測対象そのものの分布が変わるケース。ある商品カテゴリの売上比率が動くようなもの。

なぜ起きるのか

ユーザーの行動、季節、制度、競合——すべてが変わります。その結果、「今」のデータは「学習時」と違って見えます。現実世界に近いモデルほど、ドリフトの影響を受けます。

どう見つけ、どう対処するか

分布を比較し続ける
統計手法で本番と学習のデータ分布を定期的に比べ、差が広がればアラートを出します。
タイムリーに再学習
ドリフトを確認したら、新しいデータで再学習し、時代に追いつかせます。
監視に組み込む
ドリフト検知をモデル監視に含め、自動の「早期警報」にします。

まとめ：データドリフトは「世界は変わったのに、モデルが追いついていない」状態。検知して再学習することが、AIを長く信頼できる存在にする鍵です。