Veri sürüklenmesi nedir?

Veri kayması, zamanla giriş verilerinin dağılımında veya özelliklerinde meydana gelen değişikliktir ve bu, makine öğrenimi modelinin performansını olumsuz yönde etkileyebilir.

Örneğin, bir model belirli özelliklere sahip verilerle eğitilmişse ve gerçek kullanımda veriler değişmeye başlarsa (örneğin, kullanıcı davranışları, çevresel koşullar, veri formatı), modelin performansı düşebilir.

Veri kayması türleri:

• Kavram kayması (concept drift): giriş verileri ile hedef değişken arasındaki bağımlılık değişir.
• Veri dağılım kayması (data distribution drift): giriş verilerinin dağılımı, hedef bağımlılığı değişmeden değişir.

Veri kaymasını önlemek için model kalitesinin izlenmesi, giriş verilerinin ve sonuçların kaydı ve düzenli olarak yeni verilerle modelin yeniden eğitilmesi uygulanır.

Örnek: 2019 yılındaki müşteri verileriyle eğitilmiş bir kredi skorlama modeli, ancak 2023'te ekonomik durum değişti ve müşteri davranışları farklı hale geldi — bu, model uyarlaması gerektiren bir veri kaymasıdır.