¿Qué es el desplazamiento de datos?

El desplazamiento de datos es un cambio en la distribución o características de los datos de entrada con el tiempo, lo que puede afectar negativamente la calidad del rendimiento del modelo de aprendizaje automático.

Por ejemplo, si un modelo se entrena con datos con ciertas propiedades, y en la operación real los datos comienzan a cambiar (por ejemplo, el comportamiento de los usuarios, las condiciones ambientales, el formato de los datos), el modelo puede comenzar a funcionar peor.

Tipos de desplazamiento de datos:

• Desplazamiento de concepto (concept drift): cambia la dependencia entre los datos de entrada y la variable objetivo.
• Desplazamiento de distribución de datos (data distribution drift): cambia la distribución de los datos de entrada sin cambiar la dependencia de la variable objetivo.

Para combatir el desplazamiento de datos, se aplica monitoreo de la calidad del modelo, registro de datos de entrada y resultados, y reentrenamiento regular del modelo con nuevos datos.

Ejemplo: un modelo de puntuación de crédito entrenado con datos de clientes de 2019, pero en 2023 la situación económica cambió, y el comportamiento de los clientes se volvió diferente — esto es un desplazamiento de datos que requiere la adaptación del modelo.