Evaluering og målinger
Den langsomme eller pludselige ændring i virkelighedens data, efter en model er sat i drift, så de ikke længere ligner det, den lærte af.
Formelt
En ændring over tid i de input, en model ser ved inferens, eller i hvordan de input hænger sammen med det rigtige svar, sammenlignet med dens træningsdata; den sænker kvaliteten, uden at selve modellen er ændret.
Forklaret enkelt
Som et gammelt bykort, der var rigtigt, da det blev trykt, men gaderne er bygget om siden, så følger man det trofast i dag, farer man vild.
I praksis
En model, der gættede, hvor mange opkald en supportafdeling ville få, blev trænet, før en ny selvbetjeningsside åbnede; derefter ændrer opkaldene sig i antal og art, og dens gæt bliver stille og roligt forkerte.
Hvorfor det betyder noget
En model, der bestod alle test, kan stadig fejle måneder senere uden nogen fejlmeddelelse, så dens input og resultater i drift skal overvåges, og den skal gentrænes.