Что такое Data Drift?

Data Drift — это изменение распределения данных во времени, на которых работает модель машинного обучения, по сравнению с данными, на которых она обучалась. Это может привести к снижению качества предсказаний, так как модель сталкивается с новыми, непривычными паттернами.

Например, если модель прогнозирует спрос на товар, а в данных появляются новые тенденции или сезонные изменения, без учёта которых модель обучалась, её точность может упасть.

Для обнаружения Data Drift используют статистические методы сравнения распределений (например, KS-тест) и мониторинг метрик модели в продакшене. При обнаружении дрейфа часто требуется переобучение модели на новых данных.