待验证50% 置信事实精确时间
领域偏移（domain shift）指模型在训练数据分布与部署数据分布不一致时出现的性能衰减。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
涉及实体
相关事实
待验证域偏移（domain shift）是指由实验条件差异引起的分布变化，其中批次效应（batch effect）是最常见的一种。75% 相似已验证数据漂移（Data Drift）指生产环境中输入数据的统计分布随时间发生变化，导致模型接收数据与训练时分布不匹配75% 相似待验证概念漂移在不同社区有不同术语：统计学家称dataset shift或distribution shift，机器学习社区区分covariate shift和posterior drift，时间序列领域使用non-stationarity69% 相似待验证模型性能骤降的常见诱因包括数据模式变更、特征管道故障、上游数据分布漂移、标签错误、部署配置失误。68% 相似待验证数据漂移或概念漂移指真实世界数据分布随时间变化，会导致ML模型准确率下滑，这是MLOps与传统软件运维的显著区别67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1097474API
curl https://kongchang.com/api/v1/knowledge/claims/1097474MCP
get_claim(id=1097474)