Mi az az adatsodródás?

Az adatszórás az bemeneti adatok eloszlásának vagy jellemzőinek idővel bekövetkező változása, amely negatívan befolyásolhatja a gépi tanulási modell teljesítményét.

Például, ha egy modellt bizonyos tulajdonságokkal rendelkező adatokon tanítottak, és a valós működés során az adatok elkezdenek változni (például a felhasználók viselkedése, környezeti feltételek, az adatok formátuma), a modell teljesítménye romolhat.

Az adatszórás típusai:

• Koncepció elmozdulás (concept drift): megváltozik a bemeneti adatok és a célváltozó közötti függőség.
• Adateloszlás elmozdulás (data distribution drift): megváltozik a bemeneti adatok eloszlása anélkül, hogy megváltozna a célváltozóval való függőség.

Az adatszórás elleni küzdelem érdekében alkalmazzák a modell minőségének monitorozását, a bemeneti adatok és eredmények naplózását, valamint a modell rendszeres újratanítását új adatokkal.

Példa: egy hitelpontozási modell, amelyet 2019-es ügyféladatokkal tanítottak, de 2023-ban megváltozott a gazdasági helyzet, és az ügyfelek viselkedése más lett — ez az adatszórás, amely a modell alkalmazkodását igényli.