数据漂移是什么？
模型是用「过去的数据」训练的，但现实不会停在过去。数据漂移（Data Drift），指的就是生产环境里输入数据的分布，慢慢偏离了当初训练数据的样子。比如一个预测「人们周末爱买什么」的模型，训练时靠的是 2019 年的数据；几年后大家的行为变了，模型却还以为世界和以前一样。它有哪些类型？
概念漂移不是数据变了，而是「输入和输出之间的关系」变了。比如「好邮件」的定义，随着垃圾邮件手法变化而改变。
协变量漂移
输入数据的分布变了，比如用户年龄结构变了，但规律本身没变。
标签漂移
要预测的目标本身的分布变了，比如某类商品的销量占比变了。
为什么会发生？
用户行为会变、季节会变、政策会变、竞品会变——这些都会让「现在」的数据长得和「训练时」不一样。越贴近真实世界的模型，越容易被漂移影响。怎么发现和处理？
持续对比分布用统计方法，定期比较生产数据和训练数据的分布，偏差一大就报警。
及时重训
漂移确认后，用新数据重新训练，让模型跟上时代。
加监控
把漂移检测纳入模型监控，让它成为自动化的「预警系统」。
一句话记住：数据漂移就是「世界变了，模型没跟上」。检测它、重训它，是让 AI 长期靠谱的关键。
评论