docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links
This commit is contained in:
@@ -1,12 +1,12 @@
|
||||
---
|
||||
id: [[P-Reinforce]]-AI-[[Concept-Drift]]
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-[[Concept-Drift|Concept-Drift]]
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [[[MLOps]], ConceptDrift, DataScience, Monitoring]
|
||||
tags: [[MLOps|[MLOps]], ConceptDrift, DataScience, Monitoring]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Concept Drift (개념 드리프트)]]
|
||||
# [[Concept Drift (개념 드리프트)|Concept Drift (개념 드리프트)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "어제의 정답이 오늘의 오답이 되는 현상." 데이터의 통계적 특성이 시간이 지남에 따라 변하여, 과거에 학습된 모델의 예측 성능이 실시간으로 하락하는 리스크를 의미한다.
|
||||
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
|
||||
- 개념 드리프트와 데이터 드리프트(Data Drift)를 혼동해서는 안 된다. 데이터 드리프트는 입력 데이터($X$)의 분포 변화이고, 개념 드리프트는 입력과 출력의 관계($P(Y|X)$) 자체가 변하는 것이다. 개념 드리프트가 발생하면 모델의 '로직' 자체가 유효하지 않게 되므로 훨씬 더 위험하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[MLOps]] , Model Collapse (모델 붕괴 현상)
|
||||
- Comparison: [[Data [[Distillation]] (데이터 증류)]]
|
||||
- Related: [[MLOps|MLOps]] , Model Collapse (모델 붕괴 현상)
|
||||
- Comparison: [[Data Distillation (데이터 증류)|Data [[Distillation]] (데이터 증류)]]
|
||||
|
||||
Reference in New Issue
Block a user