Changement progressif des propriétés statistiques d'un jeu de données au fil du temps, pouvant affecter la qualité des données et les performances des modèles entraînés sur ces données.
La dérive des données se produit lorsque les tendances du monde réel qu'un jeu de données capture changent au fil du temps. Le processus de collecte de données peut rester le même, mais la population sous-jacente, le comportement ou l'environnement évolue. Cela peut rendre les données historiques moins représentatives des conditions actuelles et entraîner une diminution de la précision des modèles prédictifs.
Exemple : Un modèle entraîné pour prédire les valeurs foncières utilise des données de ventes historiques. Sur cinq ans, un quartier connaît un développement important. Les prédictions du modèle deviennent moins précises car les tendances statistiques dans les données d'entraînement ne reflètent plus les conditions actuelles du marché — les données ont dérivé.