概念ドリフト

概念ドリフトとは、機械学習モデルが学習時に前提としていたデータ分布と、実運用時に観測されるデータ分布が時間とともにずれ、予測精度が低下する現象を指します。データの属性やクラス比率、入力変数の統計的性質が変化することで、モデルが過去のパターンを適切に捉えられなくなるため、継続的な性能評価と再学習が必要となります。この現象は、顧客の購買行動の変化や季節要因、外部環境の変動など、さまざまな要因によって引き起こされます。また、概念ドリフトはモデルの寿命を短縮し、ビジネス上の意思決定に誤りをもたらすリスクを高めるため、適切なモニタリング体制の構築が重要です。