概念漂移 vs 特徵漂移
Concept Drift vs Feature Drift
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 特徵漂移 側重 機器學習中，輸入資料的特徵分佈隨時間變化的現象，可能導致模型性能下降。。
逐項比較
| 項目 | 概念漂移 | 特徵漂移 |
|---|---|---|
| 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。 | 機器學習中，輸入資料的特徵分佈隨時間變化的現象，可能導致模型性能下降。 |
| 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 | 模型訓練、資料處理、模型評估、MLOps、source:ipas |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 概念漂移和過擬合有關嗎？ | 如何偵測機器學習模型中的特徵漂移？ |