資料漂移與概念漂移（data and concept drift）
/ DAY-tuh and KON-sept drift /
漂移，是一個已部署的模型緩慢地、往往無聲地變陳舊的方式——因為它訓練時所依據的那個世界，已經往前走了。它有兩種味道。資料漂移，指的是輸入變了：模型見到的仍是同一類問題，可它被問及的那個群體卻挪了位——一個在去年的購物者身上訓練出來的模型，如今見到的是習慣不同、更年輕的一撥人。概念漂移則更深：輸入與正確答案之間的關係本身變了——一場突如其來的經濟衝擊之後「正常」的消費模式，或是隨著騙子翻新花樣、「垃圾郵件」的定義。
一個能讓人切身體會差別的法子：設想預測房價。資料漂移，是在售的房子變了（忽然公寓比從前多了許多）——規則照舊，輸入的構成是新的。概念漂移，是規則變了（一項新政策讓地段遠比面積重要）——「一個好預測」的含義本身，已經挪了位。前者是「你看到的東西」變了；後者是「答案該是什麼」變了。
為什麼這很重要：漂移是「一個上線時表現出色的模型，隨時間悄悄變差」最常見的單一原因，而它從不以錯誤的形式露面——預測照樣源源不斷地流出來，只是越來越不對了。一句實話是：漂移不是一個修一次就完的 bug，而是真實世界一種永久的狀況；幾乎每一個生產模型，最終都會退化。它沒有根治之法，只有管理：監控著它，一旦它出現，就在新鮮資料上重訓。模型是一張「流動世界」的快照，而世界不會停著不動。
一個標記詐欺交易的模型，本來用得好好的，直到騙子換了打法。輸入（交易）表面上看仍舊正常——沒有資料漂移的警報——可「什麼讓一筆交易算詐欺」卻挪了位。這就是概念漂移：哪怕問題看上去一模一樣，答案卻變了。
概念漂移是陰險的那種——輸入看著沒事，可正確答案卻悄悄變了。
漂移不是一個你能一勞永逸地工程掉的缺陷；它是任何一個面對變動世界的模型，默認的歸宿。現實的目標，不是防住它，而是及早察覺它、再去重訓——把模型維護當作一筆永久持續的成本，而非一次性的上線。