Data drift significa que o modelo está errado?
Não necessariamente. Ele indica mudança nos dados; o impacto precisa ser confirmado por avaliação de desempenho e risco.
Imersão
ImersãoDois dias para transformar IA em criatividade aplicada. In CompanyO método do IA Lab dentro do seu escritório.Conteúdos abertos
Área do alunosó para alunos
Deriva de dados · Input Drift · Feature Drift
Data drift é a mudança relevante na distribuição dos dados recebidos por um sistema em relação aos dados de referência, como treinamento ou um período anterior de produção.
A mudança pode afetar frequência de categorias, faixas numéricas, valores ausentes, formatos, volume ou relações entre variáveis.
Data drift é um sinal de que o ambiente mudou. Ele pode ou não reduzir desempenho, por isso precisa ser combinado com avaliação de qualidade e contexto.
A equipe define uma distribuição de referência e calcula estatísticas sobre janelas recentes de produção para cada atributo relevante.
Medidas de distância e regras de qualidade apontam diferenças acima de um limiar. A análise identifica se houve mudança real, sazonalidade, erro de coleta ou alteração do pipeline.
Um sistema treinado com projetos residenciais começa a receber mais projetos hospitalares, mudando áreas, ambientes, documentos e vocabulário das entradas.
Um alerta estatístico não prova impacto no produto. Mudanças irrelevantes podem gerar ruído e diferenças pequenas podem afetar atributos críticos.
Limiar, janela e segmento mal escolhidos escondem mudanças ou geram alertas excessivos.
Dados de treinamento, Conjunto de teste, Evals, Robustez, Modelo de IA
Não necessariamente. Ele indica mudança nos dados; o impacto precisa ser confirmado por avaliação de desempenho e risco.
Não. Sazonalidade esperada pode ser documentada e tratada com referências e limiares adequados a cada período.
Revisado em 2026-10-18.