我不知道这些术语中的每一个都有一个精确且公认的定义，这些定义将它们明显区分开来。这里有一篇关于这个主题的优秀博客文章。但从广义上讲：

• 模型漂移：这是指在某些情况下模型预测会随着时间的推移而恶化的一般想法。即模型预测的分布和真实值的分布相互偏离。发生这种情况的原因有很多。

  • 概念漂移：这是因变量引起的漂移。数据的分布可能保持不变，但输入和输出之间的关系已经改变。例如，在检测欺诈活动的模型中，对欺诈行为的定义可能会发生变化。
  • 数据漂移：这是由于输入数据分布的变化。例如，再次使用欺诈示例，我们可能会看到某些类型的欺诈增加，这会改变训练数据中观察到的观察分布。