Feature Drift

Einfach erklärt

Feature Drift ist eine spezifische Form von Data Drift: Die statistischen Eigenschaften der Input-Features eines ML-Modells verändern sich über die Zeit. Das Modell wurde auf einer bestimmten Feature-Verteilung trainiert – wenn sich diese Verteilung in Produktion verschiebt, werden die Vorhersagen unzuverlässig. Feature Drift ist oft der erste Indikator, bevor sich Modell-Performance-Metriken verschlechtern.

Feature Drift bedeutet, dass sich die Eingabedaten deines Modells verändern, obwohl das Modell selbst unverändert bleibt. Das Modell wurde auf Daten von “gestern” trainiert, aber die Daten von “heute” sehen anders aus.

Beispiel:

Training (2023): Durchschnittsalter der Kunden = 35 Jahre
Produktion (2024): Durchschnittsalter der Kunden = 28 Jahre
-> Modell wurde nie auf jüngere Kunden trainiert
-> Vorhersagen werden unzuverlässig

Warum passiert das?

• Saisonale Veränderungen (Weihnachten vs. Sommer)
• Marktveränderungen (neue Konkurrenz, Trends)
• Nutzerverhalten ändert sich
• Datenquellen ändern sich (neues Tracking, andere Formate)

Technischer Deep Dive

Drift-Typen

Typ	Was ändert sich	Beispiel
Feature Drift	P(X)	Altersverteilung der Kunden
Concept Drift	P(Y|X)	Was “Kaufwahrscheinlich” bedeutet
Label Drift	P(Y)	Anteil positiver Klassen

Erkennung mit PSI (Population Stability Index)

import numpy as np

def calculate_psi(expected, actual, bins=10):
    """Population Stability Index berechnen"""
    expected_percents = np.histogram(expected, bins=bins)[0] / len(expected)
    actual_percents = np.histogram(actual, bins=bins)[0] / len(actual)
    
    psi = np.sum((actual_percents - expected_percents) * 
                  np.log(actual_percents / expected_percents))
    return psi

# PSI < 0.1: Kein Drift
# PSI 0.1-0.2: Leichter Drift
# PSI > 0.2: Signifikanter Drift

Monitoring-Pipeline

Produktion-Daten → Feature-Statistiken berechnen
                          ↓
                   Mit Baseline vergleichen
                          ↓
              Drift erkannt? → Alert + Dashboard
                          ↓
              Schwellwert überschritten? → Retraining triggern

Best Practices

• Baseline definieren: Referenz-Verteilung aus Trainingsdaten speichern
• Automatisches Monitoring: Drift-Checks in Pipeline integrieren
• Alerts konfigurieren: Bei signifikantem Drift benachrichtigen
• Retraining-Strategie: Wann und wie wird neu trainiert?