Driftpatronen

Driftpatronen is een term die in het Nederlands wordt gebruikt om patronen van drift aan te duiden in langdurige datareeksen, systemen of processen. Het verwijst naar een geleidelijke afwijking van een oorspronkelijke baseline in statistische distributies, sensorgegevens of prestatie-indicatoren.

De term verschijnt in verschillende vakgebieden zoals datawetenschap, regeltechniek en productkwaliteit. Driftpatronen kunnen verschillende oorzaken hebben, waaronder veranderingen in omgevingscondities, veroudering van apparatuur, of verschuivingen in de onderliggende relaties tussen variabelen. In de context van machine learning wordt ook wel gesproken van concept drift wanneer de relatie tussen invoer en doelvariabele in de loop van de tijd verandert.

Types en voorbeelden van driftpatronen zijn onder meer data drift (verandering van de verdelingsvorm van data), concept drift (verandering van de afhankelijkheidsrelatie tussen features en doelvariabele) en sensor drift (kalibratie- of meetafwijkingen in sensoren). Schattingen van drift kunnen escaleren als ze niet worden gemonitord, wat kan leiden tot verlaagde nauwkeurigheid van modellen, slecht functionerende systemen of onbetrouwbare beslissingen.

Detectie en beheersing van driftpatronen gebeuren doorgaans via continuous monitoring en evaluatie van statistische eigenschappen, zoals KS-testen, populatiedriftmetingen (PISI), of drift-detectiemethoden in concept-detectie. Bij het signaleren van drift kan worden gekozen voor recalibratie, hertrainen van modellen, update van normen en procedures, of aanpassingen in procescontroles.

Zie ook: data drift, concept drift, changepoint-detectie, kalibratie.