Modelldrift

Modelldrift tritt auf, wenn sich die Datenverteilung in der Produktumgebung von den Trainingsdaten unterscheidet, was zu einer Verschlechterung der Modellleistung führt. Dieser Phänomen ist eines der häufigsten Probleme bei der Skalierung von ML-Systemen in der Produktion. Die Erkennung und Behandlung von Modelldrift ist ein wesentlicher Bestandteil des MLOps-Ansatzes, um die Zuverlässigkeit und Genauigkeit von ML-Modellen aufrechtzuerhalten.

Andere Schreibweisen

Model Drift, Concept Drift