컨셉 드리프트(Concept Drift)는 모델의 입력과 그것이 예측하는 목표 사이의 관계가 시간이 지나며 바뀌는 현상입니다. 모델 코드는 그대로지만 입력이 결과에 대해 갖는 의미가 달라져, 과거 패턴으로 학습한 모델이 점점 정확도를 잃습니다.
입력 데이터의 분포 변화인 데이터 드리프트와 달리, 입력과 목표의 관계 자체가 바뀌는 것입니다. 둘 다 각 실행을 비교 기준이 되는 고정된 릴리스 데이터 상태에 묶어두면 더 쉽게 잡을 수 있습니다.
자주 묻는 질문
컨셉 드리프트란?
모델 입력과 예측 목표 사이의 관계가 시간이 지나며 바뀌어, 과거 패턴으로 학습한 모델의 정확도가 떨어지는 현상입니다.
컨셉 드리프트와 데이터 드리프트는 무엇이 다른가요?
데이터 드리프트는 입력 데이터 분포의 변화이고, 컨셉 드리프트는 그 입력이 예측에 대해 갖는 의미의 변화입니다.
컨셉 드리프트는 어떻게 대응하나요?
실시간 동작을 고정 기준선과 비교해 감지한 뒤, 모델을 현재의 검증된 데이터 상태로 재학습하거나 다시 바인딩합니다.