Data Drift und Concept Drift
Unterscheiden Sie sich verändernde Eingaben von sich verändernden Zielgrößen.
Data Drift und Concept Drift ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Two Ways the World Shifts
Your model was trained on a snapshot of the past. When reality moves on, it can quietly go stale. There are two distinct ways this happens: data drift and concept drift. 🌍
What Data Drift Means
Data drift happens when the input data changes shape over time. The features your model sees now no longer look like the features it learned from.
A Data Drift Example
A loan model trained pre-pandemic suddenly sees very different incomes and balances. The inputs shifted, even though what they mean has not. That is pure data drift.
What Concept Drift Means
Concept drift is sneakier: the inputs may look the same, but the relationship between inputs and the target has changed under your feet.
A Concept Drift Example
A spam filter sees normal-looking emails, but spammers invent new tricks. The same words now mean something different, so the input-to-label mapping shifted. That is concept drift.
The Key Difference
Data drift changes P(X), the distribution of inputs. Concept drift changes P(y given X), the mapping from inputs to the label. Tell them apart by asking which part moved. 🔑
Why It Matters for You
Data drift can hurt accuracy, but sometimes the model still copes. Concept drift almost always hurts, because the truth itself has moved away from what you learned.
Detecting Each Type
You can spot data drift by watching input distributions, with no labels needed. Concept drift usually needs outcomes, since you must compare predictions against real results.
Naming Your Inputs
It helps to keep a clean reference of your training inputs versus current ones. A tiny config makes drift checks easy to wire up later.
reference = train_df[["income", "balance", "age"]]
current = live_df[["income", "balance", "age"]]
features = list(reference.columns)Label Drift Too
A close cousin is label drift: the mix of target classes changes, like fraud jumping from 1% to 5%. It can signal either data or concept drift behind the scenes.
Drift Is Normal, Not Rare
Drift is not a freak event; it is the default state of any live model. Your job is not to prevent it but to detect it early and respond on time. ✅
Quick Check
Let us make sure you can tell the two apart.
Recap
Two kinds of shift: data drift moves the inputs, concept drift moves the meaning. Ask which part changed, and remember drift is normal, so always be ready to detect it. 🎯
Häufig gestellte Fragen
Ist die Lektion „Data Drift und Concept Drift“ kostenlos?
Ja — der vollständige Text von „Data Drift und Concept Drift“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Data Drift und Concept Drift“?
Unterscheiden Sie sich verändernde Eingaben von sich verändernden Zielgrößen. Du übst MLOps Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um MLOps Academy zu starten?
Keine Vorkenntnisse erforderlich. MLOps Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Data Drift und Concept Drift“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser MLOps Academy-Lektion Code schreiben und ausführen?
Ja. Jede MLOps Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Data Drift und Concept Drift
- Drift mit PSI und KS messen
- Drift-Berichte mit Evidently erstellen
- Drift-Schwellenwerte und Auslöser festlegen