Mis on andmete drift?

Andmestiku nihke on muutus sisendandmete jaotuses või omadustes aja jooksul, mis võib negatiivselt mõjutada masinõppemudeli kvaliteeti.

Näiteks, kui mudel on treenitud teatud omadustega andmetega ja tegelikus kasutuses hakkavad andmed muutuma (näiteks kasutajate käitumine, keskkonnatingimused, andmete formaat), võib mudel hakata halvemini toimima.

Andmestiku nihke tüübid:

• Kontseptsiooni nihke (concept drift): muutub seos sisendandmete ja sihtmuutuja vahel.
• Andmete jaotuse nihke (data distribution drift): muutub sisendandmete jaotus ilma seose muutmiseta sihtmuutjaga.

Andmestiku nihke vastu võitlemiseks kasutatakse mudeli kvaliteedi jälgimist, sisendandmete ja tulemuste logimist ning regulaarselt uute andmetega mudeli uuesti treenimist.

Näide: krediidi skoorimise mudel, mis on treenitud 2019. aasta klientide andmetega, kuid 2023. aastal muutus majanduslik olukord ning klientide käitumine muutus — see on andmestiku nihke, mis nõuab mudeli kohandamist.