最終更新日：2026年9月24日
gk mlops
G検定トップ
＞ データドリフトとコンセプトドリフトの違い【G検定対策】
まず結論
- データドリフト：入力データの分布が変わる
- コンセプトドリフト：入力と正解の関係が変わる
G検定では、
P(X)が変わる → データドリフト
P(Y|X)が変わる → コンセプトドリフト
というイメージで切り分けます。
直感的な説明
製品検査モデルで考えます。
データドリフト
カメラや照明が変わり、入力画像の明るさ・色分布が変わった。
→ 入力側の分布変化
コンセプトドリフト
同じセンサ値でも、設備条件の変更によって「故障しやすさ」との関係が変わった。
→ 入力と目的変数の関係が変化
定義・仕組み
データドリフト
学習時と本番時で、特徴量や入力の分布が変化することです。
例：
- 顧客年齢層が変わる
- センサの測定条件が変わる
- 入力画像の撮影環境が変わる
コンセプトドリフト
同じ入力でも、目的変数との関係が時間とともに変わることです。
例：
- 過去の購買傾向が通用しなくなる
- 故障発生条件が設備変更で変わる
- 不正取引のパターンが変化する
性能低下との関係
ドリフトが起きても、必ずモデル性能が低下するとは限りません。
| 逆に、入力分布の監視だけでは、P(Y | X)の変化を直接検知できない場合があります。 |
いつ使う？（得意・不得意）
MLOpsでは、
- 入力分布
- 予測分布
- 実測ラベルが得られる場合の性能指標
- システム指標
などを継続的に監視します。
変化を検知したら、原因を調べて、
- 閾値変更
- データ修正
- 再学習
- モデル変更
などを判断します。
G検定ひっかけポイント
ドリフトを検知したら必ず再学習？
❌ 自動的に即再学習
⭕ 原因と影響を確認して必要な対応を決める
入力分布監視だけで十分？
❌ コンセプトドリフトも必ず分かる
⭕ 入力と目的変数の関係変化は別の監視が必要な場合がある
データドリフト＝ラベル変化だけ？
❌ 目的変数だけの変化
⭕ 代表的には入力特徴量の分布変化
まとめ（試験直前用）
- データドリフト＝入力分布の変化
- コンセプトドリフト＝入力と正解の関係の変化
- ドリフト＝必ず性能低下、ではない
- 監視＝必ず自動再学習、ではない
- MLOpsでは監視→原因確認→対応判断