📚 课程目录第3章数据漂移概念

3. 数据漂移概念：协变量漂移、先验概率漂移、概念漂移、在图数据中的特殊表现形式

在 GraphSAGE 模型的在线推理与持续学习场景中，数据分布随时间发生变化的现象统称为数据漂移 (Data Drift)。理解漂移的类型及其在图数据中的特殊表现，是设置有效监控指标与告警阈值的前提。本章从经典漂移分类出发，逐步深入到图结构特有的漂移形态。

根据输入特征、标签分布及映射关系的变化，数据漂移通常分为以下三类。下表从定义、数学表达与典型场景三个维度进行对比：

漂移类型	核心定义	数学表达	典型场景
协变量漂移 (Covariate Shift)	输入特征 `X` 的边缘分布发生变化，但条件分布 `P(Y\|X)` 保持不变。	`P_train(X) ≠ P_test(X)` `P_train(Y\|X) = P_test(Y\|X)`	用户画像特征随季节变化，但购买决策逻辑未变。
先验概率漂移 (Prior Probability Shift)	标签 `Y` 的边缘分布发生变化，但类条件分布 `P(X\|Y)` 保持不变。	`P_train(Y) ≠ P_test(Y)` `P_train(X\|Y) = P_test(X\|Y)`	推荐系统中正样本比例从 5% 骤升至 20%。
概念漂移 (Concept Drift)	输入 `X` 与标签 `Y` 之间的映射关系发生变化，即 `P(Y\|X)` 改变。	`P_train(Y\|X) ≠ P_test(Y\|X)`	用户对同一商品特征的偏好因流行趋势反转。

监控优先级提示： 在 GraphSAGE 场景中，概念漂移对模型性能的破坏力最大，因为它直接否定了训练阶段学到的邻居聚合权重。协变量漂移次之，先验概率漂移通常可通过重采样或阈值调整快速修复。

图数据不仅包含节点特征 X 和标签 Y，还包含拓扑结构 A（邻接矩阵）。因此，图数据漂移在经典三类之外，衍生出两种特有的结构漂移：

结构协变量漂移 (Structural Covariate Shift)：图的拓扑结构 A 发生变化，但节点特征与标签的映射关系不变。例如：社交网络中新增大量连接，导致节点度分布偏移。
结构概念漂移 (Structural Concept Drift)：邻居聚合的权重或模式发生变化，即相同结构特征在不同时间点对应不同标签。例如：某节点在训练时与同类节点紧密连接，在推理时却与异类节点形成密集子图。

下图展示了经典漂移与图结构漂移在数据流中的位置关系：

针对上述漂移类型，在实际监控中需要选择对应的量化指标。下表总结了每种漂移类型在图场景下的推荐检测方法：

漂移类型	推荐指标	计算对象	阈值参考范围
协变量漂移	PSI (Population Stability Index)	节点特征向量各维度的分布	PSI < 0.1 无漂移；0.1~0.25 轻度；>0.25 严重
先验概率漂移	标签比例偏移量 (ΔRatio)	训练集 vs 推理集标签分布	ΔRatio > 0.05 需关注
概念漂移	模型性能衰减 (AUC/ACC Drop)	滑动窗口内推理结果 vs 真实标签	AUC 下降 > 0.03 触发告警
结构协变量漂移	度分布 JS 散度 / 边数变化率	邻接矩阵的度序列	JS 散度 > 0.1 或边数变化 > 20%
结构概念漂移	邻居标签同质性偏移	节点与其邻居标签一致性的变化	同质性系数变化 > 0.15

关键警告： 在 GraphSAGE 中，结构协变量漂移容易被忽视。即使节点特征 X 和标签 Y 的分布未变，仅拓扑结构 A 的改变（如新增边或节点消失）就可能导致采样邻居集合发生质变，进而使节点嵌入向量整体偏移。务必在监控指标中加入图结构稳定性指标。

实际生产环境中，多种漂移往往同时发生并相互放大。例如：

协变量漂移 + 结构协变量漂移：新用户群体加入（特征偏移）的同时，这些用户之间形成密集子图（拓扑偏移），导致 GraphSAGE 的邻居采样层同时面临特征与结构双重分布外 (OOD) 输入。
概念漂移 + 结构概念漂移：业务规则改变导致标签映射变化，同时社区结构重组使得邻居聚合权重失效，模型需要同时适应语义与拓扑两方面的概念变化。

下图展示了两种典型叠加场景的传播路径：