Data drift e concept drift
Distingua tra cambiamenti negli input e cambiamenti nei target.
Data drift e concept drift è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Due modi in cui il mondo cambia
Il modello è stato addestrato su un'istantanea del passato. Quando la realtà cambia, il modello può diventare gradualmente obsoleto senza che ve ne accorgiate. Questo può accadere in due modi distinti: data drift e concept drift. 🌍
Che cosa significa data drift
Il data drift si verifica quando i dati in ingresso cambiano forma nel tempo. Le feature che il modello vede ora non assomigliano più a quelle da cui ha appreso.
Un esempio di data drift
Un modello per i prestiti, addestrato prima della pandemia, si trova improvvisamente a gestire redditi e saldi molto diversi. Gli input sono cambiati, anche se il loro significato non è cambiato. Questo è puro data drift.
Che cosa significa concept drift
Il concept drift è più insidioso: gli input possono sembrare uguali, ma la relazione tra gli input e il target è cambiata senza che ve ne accorgiate.
Un esempio di concept drift
Un filtro antispam vede email dall'aspetto normale, ma gli spammer inventano nuovi stratagemmi. Le stesse parole ora significano qualcosa di diverso, quindi la relazione tra input ed etichetta è cambiata. Questo è concept drift.
La differenza fondamentale
Il data drift modifica P(X), cioè la distribuzione degli input. Il concept drift modifica P(y given X), cioè la relazione tra gli input e l'etichetta. Per distinguerli, chiedetevi quale parte è cambiata. 🔑
Perché è importante per Lei
Il data drift può ridurre l'accuratezza, ma a volte il modello riesce comunque a gestirlo. Il concept drift è quasi sempre dannoso, perché la realtà si è allontanata da ciò che il modello aveva appreso.
Rilevare ciascun tipo
Può individuare il data drift monitorando le distribuzioni degli input, senza aver bisogno di etichette. Per il concept drift servono di solito i risultati, perché deve confrontare le previsioni con gli esiti reali.
Dare un nome agli input
È utile conservare un riferimento chiaro degli input di addestramento e di quelli attuali. Una piccola configurazione rende facile collegare in seguito i controlli del drift.
reference = train_df[["income", "balance", "age"]]
current = live_df[["income", "balance", "age"]]
features = list(reference.columns)Anche il label drift
Un fenomeno affine è il label drift: cambia la distribuzione delle classi target, per esempio quando le frodi passano dall'1% al 5%. Può indicare la presenza di data drift o concept drift.
Il drift è normale, non raro
Il drift non è un evento eccezionale: è lo stato predefinito di qualsiasi modello in produzione. Il Suo compito non è prevenirlo, ma rilevarlo tempestivamente e reagire in tempo. ✅
Verifica rapida
Assicuriamoci che sappia distinguere i due fenomeni.
Riepilogo
Esistono due tipi di cambiamento: il data drift modifica gli input, il concept drift ne modifica il significato. Chiedetevi quale parte è cambiata e ricordate che il drift è normale: siate sempre pronti a rilevarlo. 🎯
Domande Frequenti
La lezione «Data drift e concept drift» è gratuita?
Sì — il testo completo di «Data drift e concept drift» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Data drift e concept drift»?
Distingua tra cambiamenti negli input e cambiamenti nei target. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Data drift e concept drift»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione MLOps Academy?
Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Data drift e concept drift
- Misurare il drift con PSI e KS
- Generare report sul drift con Evidently
- Impostare soglie e trigger per il drift