概念漂移 vs 域轉移
Concept Drift vs Domain Shift
概念漂移 側重 概念漂移是指機器學習模型在部署後，由於資料分佈隨時間變化，導致模型預測準確度下降的現象。需要持續監控並重新訓練模型。，而 域轉移 側重 訓練資料與測試資料來自不同的統計分布或應用環境，導致模型性能下降的現象。。
逐項比較
| 項目 | 概念漂移 | 域轉移 |
|---|---|---|
| 一句定義 | 概念漂移是指機器學習模型在部署後，由於資料分佈隨時間變化，導致模型預測準確度下降的現象。需要持續監控並重新訓練模型。 | 訓練資料與測試資料來自不同的統計分布或應用環境，導致模型性能下降的現象。 |
| 常見標籤 | 機器學習、模型部署、模型評估、時序分析、異常偵測、MLOps | 遷移學習、無監督學習、域適應、預訓練、泛化能力 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 概念漂移和過擬合有關嗎？ | 什麼是協變量轉移（Covariate Shift）？怎麼應對？ |