<모델 드리프트란 무엇인가?> 커리어리 친구들, 요즘 앤드류 응이라든가 최신 인공지능 논문들을 읽어 보면, 드리프트(Drift) 라는 말을 많이 사용합니다. 우리나라 말로 '표류' 라고 번역하는 분들도 계시고 그래서 정확한 내용이 무엇인지 한번 용어 점검 차원에서 찾아 보았습니다. 모델 드리프트는 새로운 입력 값에서 생성된 예측의 정확도가 훈련 기간 동안 성능에서 "드리프트"될 때 발생합니다. 모델 드리프트의 두 가지 주요 범주는 다음과 같습니다. 컨셉트 드리프트 : 대상(종속) 변수의 통계적 특성이 변경되는 경우 데이터 드리프트: 독립 변수의 통계적 속성이 변경되는 경우(예: 형상 분포, 변수 간의 상관 관계) 예상대로 두 가지 유형의 드리프트는 모두 모델 성능 저하를 초래합니다. 그러므로 머신 러닝 모델은 훈련 시간 동안 설정된 원래 매개 변수와 비교하여 변화하는 예측 결과 또는 "이동"을 생성할 수 있습니다. 드리프트 카테고리를 식별 하려면 예측 성능을 허용 가능한 수준으로 되돌리는 데 필요한 시정 조치가 필요합니다. 이러한 수정 조치에는 기존 모델을 새 데이터로 재훈련하거나 기존 모델을 더 나은 성능의 새 모델로 교체하는 작업이 포함될 수 있다고 합니다.