Waarom is dit belangrijk?
Het herkennen van conceptdrift maakt het mogelijk een voorspelmodel op tijd bij te werken voordat de voorspellingen langdurig fout worden. In de zorg raken schattingen van het risico op hart- en vaatziekten uit de pas als mensen minder sigaretten per dag roken. Patiënten en zorgverleners krijgen daardoor soms een verouderde risicoschatting, terwijl een model opnieuw bouwen zwaar is en niet altijd alle fouten weghaalt.
Zo werkt het in de praktijk
Bij malware- en inbraakdetectie trainen modellen op oude logbestanden en netwerksporen. Als aanvallers hun gedrag veranderen, houden systemen een recent venster bij en geeft een detector zoals ADWIN een signaal. Een webwinkel die weekverkopen voorspelt, ziet hetzelfde als seizoenen het koopgedrag verschuiven.
Een proefschrift van de TU Delft onderzoekt het bewaken van leermodellen tegen conceptdrift in AIOps-systemen. AIOps betekent AI gebruiken bij het beheer van software die al draait. Een overzicht van meer dan 130 studies noemt drie stappen: opsporen, begrijpen en aanpassen.
Teams signaleren conceptdrift met statistische procesbeheersing, via controlediagrammen of een test op veranderingen. Daarna vervangen zij het model, of zij werken de stroom bij met online leren.




