① 原本的世界
模型說：
「我很會判斷！」
「我很會判斷！」
AI
📊 正常資料
📊 正常資料
兩個都叫「漂移」，但到底是誰變了？
AI 收到的輸入資料 X，和以前的分布不一樣。 例如以前大樓平均每天用電 10,000 度，現在因為營運型態改變， 大量大樓變成 15,000 度。
X 變了 輸入分布變了 P(X) 改變AI 輸入的資料可能沒有明顯改變，但輸入 X 與答案 Y 之間的關係變了。 例如以前「高溫 → 冷氣用電增加」，後來建築導入節能控制後， 同樣高溫可能不再代表同樣的耗電量。
X→Y 關係變了 規則變了 P(Y|X) 改變「題目資料的分布變了」
「答案規則變了」
資料漂移：
「題目變了」
概念漂移：
「評分規則變了」
AI 原本用歷史大樓資料預測耗電量。 後來大量新資料來自「疫情後恢復營運」的大樓， 使用人數、空調時數、設備運轉狀況都跟過去不同。
👉 AI 可能發現：「咦？現在的資料跟我以前學的不一樣。」
AI 過去學到「室外溫度越高 → 大樓耗電越高」。 後來大樓全面導入智慧空調控制、變頻器與能源管理系統。 同樣的高溫條件下，耗電量不再像以前那麼高。
👉 AI 可能發現：「以前的規則，現在不準了。」
🔵 資料漂移 Data Drift： 輸入資料 X 的分布改變 → 想成「資料長相變了」。
🔴 概念漂移 Concept Drift： X 和 Y 的關係改變 → 想成「判斷規則變了」。
⭐ 超短口訣：
「Data Drift 看 X；Concept Drift 看 X → Y。」
| 比較 | 資料漂移 | 概念漂移 |
|---|---|---|
| 英文 | Data Drift | Concept Drift |
| 變什麼？ | 輸入資料 X 的分布 | X → Y 的關係 |
| 公式直覺 | P(X) 改變 | P(Y|X) 改變 |
| 記憶 | 📦 資料長相變了 | 🧠 判斷規則變了 |