El data drift ocurre cuando las características estadísticas de los datos de entrada —su distribución, sus rangos típicos, sus proporciones entre categorías— cambian con el tiempo respecto a los datos usados durante el entrenamiento del modelo, incluso si la relación entre esas variables y el resultado no cambió.
Su diferencia con el model drift
El data drift se refiere específicamente a cambios en los datos de entrada, mientras que el model drift se refiere a cambios en la relación entre esos datos y el resultado esperado; ambos pueden ocurrir de forma independiente, aunque frecuentemente están relacionados entre sí en la práctica.