待验证50% 置信事实精确时间
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-stationarity
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
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71% 相似待验证概念漂移是数据底层分布随时间发生的自然变化，而数据投毒是攻击者蓄意制造的分布偏移，两者在实际系统中往往同时存在且难以区分69% 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64% 相似待验证数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降62% 相似待验证Pan & Yang（2010）提出的迁移学习分类框架将域差异分解为特征空间差异、边缘分布差异和条件分布差异三个维度61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/699197API
curl https://kongchang.com/api/v1/knowledge/claims/699197MCP
get_claim(id=699197)