<aside> 💡 MLOps 를 조사하면서 그림들이랑 다이어그램들이 정말 많이 나온다고 느꼈는데, 이 그림들 하나하나가 굉장히 배울 점이 많기 때문에, 그냥 참고하는 느낌으로 그림을 보는 것이 아니라 정말 이 그림들을 보고 배우겠다는 생각으로 그림을 봐야 내용들이 눈에 들어올거라고 생각해요.
</aside>
현실 세계에서 사용할 수 있는 모델에는 다양한 Drift 가 존재한다. 우리가 과거 데이터로부터 학습한 예측 모델 y=f(x) 가 있다고 생각을 해 보자. 이때, f 는 우리가 궁금해하는 특징 공간으로 mapping 을 해 주는 함수이다.
Often, this mapping is assumed to be static, meaning that the mapping learned from historical data is just as valid in the future on new data and that the relationships between input and output data do not change.
종종 우리는 이 mapping 이, 과거 사건으로부터 학습한 이 input-output 의 과정이 미래에도 동일하게 적용될 것이라고 static 할 것이라고 여긴다. 하지만, 현실은 그렇지 않다.
In most challenging data analysis applications, data evolve over time and must be analyzed in near real time. Patterns and relations in such data often evolve over time, thus, models built for analyzing such data quickly become obsolete over time. In machine learning and data mining this phenomenon is referred to as concept drift.