どのような種類のデータドリフトが区別されているか？

特徴量ドリフト（入力分布の変化）、コンセプトドリフト（入力とターゲットの関係の変化）、ラベルドリフト（ターゲット変数の分布の変化）に分けている。特徴量ドリフトは統計検定で最も捉えやすいと説明している。

ドリフトのしきい値設定が難しいのはなぜか？

統計的に有意な変化でもビジネス上重要でない場合があり、小さな変化が致命的になることもある。厳しすぎるしきい値は誤検知によるアラート疲れを招き、緩すぎると本当のドリフトを見逃す。

オープンソースのEvidently AIとGreat Expectations、クラウドではAWS SageMaker Model MonitorとAzure Machine Learningのデータドリフト監視を挙げている。

AI安全性・アラインメントQiita 機械学習1時間前2026年10月28日 13:00

何が起きたか
KS検定やカイ二乗検定、Jensen-Shannonダイバージェンス、PSIなどの検定でドリフトを検知し、再学習と再デプロイを自動化する2段階のMLOps手法を解説。
なぜ重要か
ドリフトが無害な場合もあるため、誤警告や見逃しを避けるよう、ドリフト警告と併せてprecisionやrecall、F1などのビジネス指標の監視を推奨。

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

よくある質問

どのような種類のデータドリフトが区別されているか？: 特徴量ドリフト（入力分布の変化）、コンセプトドリフト（入力とターゲットの関係の変化）、ラベルドリフト（ターゲット変数の分布の変化）に分けている。特徴量ドリフトは統計検定で最も捉えやすいと説明している。
ドリフトのしきい値設定が難しいのはなぜか？: 統計的に有意な変化でもビジネス上重要でない場合があり、小さな変化が致命的になることもある。厳しすぎるしきい値は誤検知によるアラート疲れを招き、緩すぎると本当のドリフトを見逃す。
ドリフト検知にはどのツールを推奨しているか？: オープンソースのEvidently AIとGreat Expectations、クラウドではAWS SageMaker Model MonitorとAzure Machine Learningのデータドリフト監視を挙げている。