Data Drift(데이터 드리프트)
머신러닝 모델을 학습시킬 당시의 데이터 패턴과, 시간이 지난 뒤 실제로 들어오는 데이터의 패턴이 점점 달라지면서, 모델의 예측 성능이 서서히 떨어지는 현상을 뜻합니다.
한눈에 보는 정의
Data Drift(데이터 드리프트)는 시간이 지나면서 실제 데이터의 패턴이 모델을 학습시킬 때와 달라져, 예측 성능이 점점 떨어지는 현상을 뜻합니다.
자세히 알아보기
- 예문: "코로나 이전 소비 패턴으로 학습한 예측 모델은, 이후 소비 행태가 크게 바뀌며 Data Drift로 인해 정확도가 눈에 띄게 떨어졌다."
- 모델은 학습 당시의 데이터를 기준으로 패턴을 익히는데, 시간이 지나며 고객의 행동이나 시장 상황이 바뀌면 이제는 맞지 않는 낡은 패턴을 기준으로 계속 예측하게 되어 성능이 저하됩니다.
- 이 문제를 미리 알아채려면, 실제 운영 중인 모델의 입력 데이터 분포를 지속적으로 Monitoring(모니터링) (모니터링)하며 학습 당시와 얼마나 달라졌는지 확인해야 합니다.
- Data Drift가 감지되면, 최신 데이터를 반영해 모델을 다시 학습시키는 과정이 필요하며, 이런 재학습 주기를 어떻게 관리할지가 실제 운영 환경에서 중요한 과제로 다뤄집니다.