4. 批次偏移的常见类型
当 PSI 指标触发告警后，数据科学家的首要任务是判断偏移的类型。不同类型的偏移对应不同的根因和修复策略。根据偏移发生的对象和机制，可将批次偏移归纳为以下四种核心类型：特征分布偏移、目标分布偏移、概念漂移和数据质量偏移。
核心原则： 先区分“输入（特征）”还是“输出（目标）”发生变化，再判断“映射关系（概念）”是否稳定，最后排查“数据管道（质量）”是否引入噪声。
4.1 特征分布偏移 (Feature Distribution Shift)
特征分布偏移是最常见的偏移类型，指模型输入特征 X 的统计分布在训练集和推理批次之间发生了显著变化。模型在未见过的特征空间区域上表现往往不可靠。
- 原因： 上游数据源变更、业务策略调整（如新用户群体涌入）、季节性波动、A/B 实验分流不均。
- 检测方法： 对每个特征计算 PSI 或 KS 统计量；使用 PCA/t-SNE 可视化特征空间重叠度。
- 影响： 模型在偏移特征上的预测置信度下降，但模型权重本身未变。
4.2 目标分布偏移 (Target Distribution Shift)
目标分布偏移指模型预测目标 Y 的真实分布（标签分布）在训练集和推理批次之间发生变化。即使特征分布稳定，目标分布的变化也会导致模型校准性变差。
- 原因： 业务 KPI 调整、用户行为习惯改变、外部经济环境变化。
- 检测方法： 对比训练集与推理批次的标签均值、方差、分位数；使用 PSI 监控标签列。
- 影响： 模型输出的概率校准偏移，AUC 可能不变但 LogLoss 恶化。
实战技巧： 在信贷风控场景中，逾期率（目标）随宏观经济周期波动是典型的目标分布偏移。此时应优先更新标签阈值或重新校准模型输出，而非重新训练特征。
4.3 概念漂移 (Concept Drift)
概念漂移是最隐蔽的偏移类型，指特征 X 与目标 Y 之间的映射关系 P(Y|X) 随时间发生变化。即使特征和目标各自的边缘分布不变，模型也可能失效。
| 子类型 | 描述 | 示例 |
|---|---|---|
| 突然漂移 | 映射关系在某个时间点瞬间改变 | 新法规生效后，同一特征对应的违约概率骤变 |
| 渐进漂移 | 映射关系在一段时间内缓慢变化 | 用户对推荐系统的偏好随季节逐渐迁移 |
| 周期性漂移 | 映射关系按固定周期重复变化 | 电商转化率在工作日与周末的差异模式 |
4.4 数据质量偏移 (Data Quality Shift)
数据质量偏移并非统计分布的自然变化，而是由数据采集、传输、处理管道中的错误或变更引起的系统性偏差。这是最容易被忽视但修复成本最低的偏移类型。
- 常见表现：
- 缺失率突然升高或降低
- 特征值域异常（如年龄出现负数）
- 数据类型变更（字符串替代数值）
- 特征重复或完全相同的值（常量列）
- 检测方法： 数据质量监控看板、特征完整性检查、值域校验、唯一值计数监控。
- 影响： 模型输入被污染，输出完全不可信，但模型本身可能并无问题。
⚠ 排查优先级： 当 PSI 告警时，应首先排除数据质量偏移。因为数据管道问题通常可以在数分钟内修复，而特征分布或概念漂移需要更复杂的模型更新策略。先检查“数据是否坏了”，再检查“分布是否变了”。
4.5 四种偏移类型对比
| 偏移类型 | 变化对象 | 检测难度 | 修复策略 | 典型 PSI 表现 |
|---|---|---|---|---|
| 特征分布偏移 | P(X) | 低 | 特征对齐、重采样、域适应 | 特征 PSI 显著升高 |
| 目标分布偏移 | P(Y) | 中 | 标签校准、阈值调整 | 标签 PSI 升高，特征 PSI 正常 |
| 概念漂移 | P(Y|X) | 高 | 增量学习、模型重训、集成更新 | 特征与标签 PSI 均正常，但模型性能下降 |
| 数据质量偏移 | 数据管道 | 低 | 修复 ETL、数据校验、回滚变更 | 特征 PSI 异常，常伴随缺失率/值域突变 |
理解这四种偏移类型是进行根因分析的基础。在实际排查中，偏移往往不是单一发生的——特征分布偏移可能伴随数据质量偏移，概念漂移也可能与目标分布偏移共存。下一阶段我们将学习如何通过系统化的排查流程，从 PSI 告警出发，逐步定位到具体的偏移类型和根因特征。