Dataset Shift

定义 Definition

数据集漂移 / 数据分布偏移：指训练数据（源域）与测试或部署时的数据（目标域）在分布上不一致，导致模型在现实场景中的表现下降。常见于时间变化、地域差异、采集设备变化、用户行为变化等情境。（该术语也常与 distribution shift 相关；在更细分语境下还可讨论 covariate shift、label shift 等类型。）

发音 Pronunciation (IPA)

/ˈdeɪtəˌsɛt ʃɪft/

例句 Examples

The model performed well in the lab, but it failed after dataset shift.
这个模型在实验室表现很好，但在发生数据集漂移后就失效了。

Dataset shift can occur when a system trained on last year’s customer data is deployed after market conditions change, causing the input patterns to differ from what the model learned.
当一个系统用去年的客户数据训练、却在市场环境变化后部署时，就可能发生数据集漂移，因为输入模式与模型学到的分布不再一致。

词源 Etymology

dataset 由 data（数据）+ set（集合）组成，表示“数据集合”；shift 意为“移动、转变”。合在一起的 dataset shift 直译为“数据集的转变”，在机器学习语境中特指“训练与测试/部署数据分布发生变化”的现象，是统计学习与泛化问题中的高频术语。

相关词 Related Words

• Distribution Shift
• Domain Shift
• Domain Adaptation
• Covariate Shift
• Label Shift
• Concept Drift
• Out-Of-Distribution
• Generalization
• Robustness

文学与著作中的用例 Literary / Notable Works

• Dataset Shift in Machine Learning（Quionero-Candela, Sugiyama, Schwaighofer, Lawrence 编，MIT Press）：专门系统讨论数据集漂移与应对方法的经典学术著作。
• Domain Adaptation in Computer Vision Applications（G. Csurka 编，Springer）：在计算机视觉迁移学习/领域自适应中频繁使用并讨论 dataset shift。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）：在泛化与训练/测试分布差异相关讨论中常涉及该概念（有时用相近术语表述）。