¿Qué é a Deriva de Datos?
A deriva de datos refírese ao cambio nas propiedades estatísticas dos datos de entrada en produción en comparación cos datos cos que se adestrou o modelo. Dado que os modelos aprenden patróns nos datos de adestramento, o rendemento pode degradarse cando eses patróns cambian. A deriva pode ser gradual — patróns estacionais, cambios demográficos, evolucións de produtos — ou abrupta debido a eventos como o COVID-19 que causaron cambios fundamentais de comportamento.
Tipos de Deriva
A deriva de concepto ocorre cando cambia a relación entre características e variable obxectivo. A deriva de características cambia a distribución das características de entrada. A deriva de etiquetas afecta á distribución da variable obxectivo. Cada tipo de deriva require unha estratexia de detección e mitigación diferente.
Monitorización e Resposta
Implemente monitorización continua da distribución de características con probas estatísticas (KS test, PSI) para as características máis importantes. Configure alertas cando as métricas de deriva superen os umbrais. Mantenha conxuntos de datos de re-evaluación listos para validar o rendemento do modelo cando se detecte deriva. Desenvolva pipelines de re-adestramento que poidan activarse automaticamente cando o rendemento do modelo caia por debaixo dos límites aceptables.