首頁 / 名詞卡 / 導入評估與治理 / 模型漂移(Model Drift)

iPAS AI中級📋 導入評估與治理
🔑 名詞卡

模型漂移(Model Drift)

🎯 定義

指模型的預測準確度隨時間變差的現象,通常由於訓練資料或環境的變化,導致模型無法適應新的資料模式,屬於 AI 導入的技術層風險(模型穩定性風險)之一。

記憶技巧

模型漂移=「模型變笨了」,是資料漂移或概念漂移長期累積後,反映在「預測結果變差」上的表徵。

易混淆

  • vs 資料漂移:資料漂移是「輸入資料的分佈」改變(原因);模型漂移是「模型預測準確度」隨時間變差(可能的結果)。
  • vs 概念漂移:概念漂移是「資料背後的潛在關係/規律本身」改變;模型漂移則泛指模型效能下降的現象,成因可能是資料漂移或概念漂移。
  • vs 過擬合:過擬合是訓練當下就存在的「泛化能力不足」問題;模型漂移是模型部署「一段時間後」才逐漸出現的效能衰退。
📖 課文原文

「模型漂移是指模型的預測準確度隨時間變差,通常由於訓練資料或環境的變化,導致模型無法適應新的資料模式。」