Drift danych a drift pojęcia
Rozróżniaj zmieniające się dane wejściowe od zmieniających się celów
Drift danych a drift pojęcia to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej MLOps Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs MLOps Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
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. 🎯
Często zadawane pytania
Czy lekcja „Drift danych a drift pojęcia” jest bezpłatna?
Tak — pełny tekst „Drift danych a drift pojęcia” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu MLOps Academy, przejdź na CoddyKit PRO. Kurs MLOps Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Drift danych a drift pojęcia”?
Rozróżniaj zmieniające się dane wejściowe od zmieniających się celów Ćwiczysz MLOps Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć MLOps Academy?
Nie wymagamy żadnego doświadczenia. MLOps Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Drift danych a drift pojęcia”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji MLOps Academy?
Tak. Każda lekcja MLOps Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Drift danych a drift pojęcia
- Pomiar driftu za pomocą PSI i KS
- Generowanie raportów driftu za pomocą Evidently
- Ustawianie progów i wyzwalaczy driftu