Drift Detection

释义 Definition

“Drift detection” 指漂移检测：在数据分析与机器学习中，用于监测数据分布或模型所学概念随时间发生变化（如数据漂移 data drift、概念漂移 concept drift），并触发告警、重新训练或策略调整的技术与流程。该短语也可泛指对系统指标“逐渐偏移/走样”的监测。

发音 Pronunciation (IPA)

/drɪft dɪˈtɛkʃən/

例句 Examples

We use drift detection to monitor our model after deployment.
我们使用漂移检测来监控模型在上线后的表现。

Without drift detection, a recommendation system can quietly degrade as user behavior and data distributions shift over time, leading to biased or irrelevant results.
如果没有漂移检测，推荐系统可能会在用户行为和数据分布随时间变化时悄然变差，进而产生偏差或不相关的结果。

词源 Etymology

drift 原意为“漂流、逐渐偏移”，在技术语境中常指统计特征或系统行为缓慢而持续的变化；detection 来自拉丁语系词根，意为“发现、检测”。合在一起，“drift detection” 就是“对这种逐渐偏移进行检测”。

相关词 Related Words

• Anomaly Detection
• Change Point Detection
• Concept Drift
• Data Drift
• Distribution Shift
• Model Monitoring
• Outlier
• Statistical Process Control

文学/作品中的用例 Literary & Notable Works

• Machine Learning Design Patterns（本短语常见于模型监控、数据漂移与生产化部署相关章节）
• Designing Machine Learning Systems（涉及数据/概念漂移与持续监控时常使用该术语）
• Building Machine Learning Powered Applications（讨论上线后模型维护与监测时出现该术语）
• 论文：Gama et al., “A Survey on Concept Drift Adaptation”（围绕漂移与检测方法的经典综述，相关表述高频出现）