MLOpsにおけるデータドリフトとコンセプトドリフト

本番運用のモデル性能劣化の原因:入力分布が変わるData Drift(カメラの劣化、ユーザー層の変化等)と、入出力の因果関係が変わるConcept Drift(法改正、パンデミック、トレンド変化等)。MLOpsではこれらを監視し継続的再学習(CT)を行います。 ア:正解です。P(X)の変動(共変量シフト/データドリフト)とP(Y|X)の変動(コンセプトドリフト)の正確な定義です。 イ:誤りです。実世界の環境変化により、モデルの予測性能は時間経過とともに必ず劣化します(モデルの陳腐化)。 ウ:誤りです。データの関係性の変化であり、ハードウェアの増設では解決せずモデルの再学習が必要です。 エ:误りです。KS検定やPSI(Population Stability Index)等を用いて入力特徴量の統計的分布変化を監視します。

本番環境に展開された機械学習システムの運用監視(MLOps)において発生する「データドリフト」および「コンセプトドリフト」に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
データドリフトは入力特徴量の分布 P(X) が時間とともに変化する現象であり、コンセプトドリフトは入力と目的変数の関係性 P(Y|X) そのものが変化する現象(例: 景気後退による消費行動の変化)である。
イ
モデルを一度本番デプロイした後は、データや環境が変化しても精度が低下することは絶対にない。
ウ
コンセプトドリフトが発生した場合、サーバーのCPU使用率が100%になるため、ハードウェアの増設のみで解決する。
エ
データドリフトを検知するためには、モデルの予測結果のテキスト文字数を数えるだけで十分である。