Deriva de datos frente a deriva conceptual
Distinga entre cambios en las entradas y cambios en los objetivos.
Deriva de datos frente a deriva conceptual es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
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. 🎯
Preguntas frecuentes
¿La lección «Deriva de datos frente a deriva conceptual» es gratis?
Sí — el texto completo de «Deriva de datos frente a deriva conceptual» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Deriva de datos frente a deriva conceptual»?
Distinga entre cambios en las entradas y cambios en los objetivos. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Deriva de datos frente a deriva conceptual»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Deriva de datos frente a deriva conceptual
- Mida la deriva con PSI y KS
- Genere informes de deriva con Evidently
- Defina umbrales y activadores de deriva