4. 漂移的数学定义：数据分布漂移、标签漂移与概念漂移

在实时风控系统中，模型性能下降往往源于数据分布或决策边界的变化。为了精确描述这些变化，学术界定义了三种核心漂移类型：Covariate Shift（数据分布漂移）、Label Shift（标签漂移）和Concept Drift（概念漂移）。理解它们的严格数学定义与区别，是构建有效监控体系的理论基石。

4.1 核心符号与联合分布

设风控模型在时刻 t 的输入特征为 X，真实标签为 Y。模型学习的目标是逼近联合概率分布 P(X, Y)。根据概率链式法则，联合分布可以分解为两种等价形式：

• 生成式分解：P(X, Y) = P(X) · P(Y | X)
• 判别式分解：P(X, Y) = P(Y) · P(X | Y)

三种漂移分别对应上述分解中不同组分的分布变化。下表总结了它们的核心差异：

4.2 数据分布漂移（Covariate Shift）

严格定义： 训练集与测试集的输入特征 X 的边缘分布发生变化，但给定 X 后标签 Y 的条件分布保持不变。

数学表达：

P_train(X) ≠ P_test(X)
P_train(Y | X) = P_test(Y | X)

风控实例： 模型训练于2023年Q1的用户数据，彼时用户年龄集中在25-35岁。2023年Q4，由于新上线面向大学生的营销活动，用户年龄分布向18-24岁偏移。此时 P(Age) 改变，但相同年龄段的用户其违约概率 P(Default | Age) 并未改变。

检测方法： 常用统计检验（如KS检验、卡方检验）比较特征分布差异，或使用密度比估计（如KLIEP、RuLSIF）。

4.3 标签漂移（Label Shift）

严格定义： 训练集与测试集的标签 Y 的边缘分布发生变化，但给定标签 Y 后特征 X 的条件分布保持不变。

数学表达：

P_train(Y) ≠ P_test(Y)
P_train(X | Y) = P_test(X | Y)

风控实例： 经济下行周期中，整体坏账率从2%上升至5%。此时 P(Default) 改变。但坏用户（Default=1）的消费行为模式 P(Transaction | Default=1) 与好用户（Default=0）的消费模式 P(Transaction | Default=0) 并未发生显著变化。

4.4 概念漂移（Concept Drift）

严格定义： 训练集与测试集中，给定输入特征 X 后标签 Y 的条件分布发生变化。这是最严重的一类漂移，意味着特征与标签之间的因果关系发生了改变。

数学表达：

P_train(Y | X) ≠ P_test(Y | X)

风控实例： 过去，深夜大额交易（特征）是欺诈（标签）的强信号。但欺诈团伙改变策略，开始模仿正常用户进行小额高频交易。此时，对于相同的特征 X（深夜大额交易），其属于欺诈的概率 P(Fraud | X) 显著下降。模型基于旧数据学到的决策边界已经失效。

子类型： 概念漂移可进一步细分为：

• 突然漂移（Sudden Drift）： 在某个时间点瞬间改变（如监管政策突变）。
• 渐进漂移（Gradual Drift）： 在一段时间内缓慢变化（如用户消费习惯随季节演变）。
• 周期性漂移（Recurring Drift）： 呈现周期性规律（如节假日欺诈模式）。

4.5 三种漂移的关系与对比

下图直观展示了三种漂移在联合分布空间中的位置关系：

4.6 漂移类型判定流程

在实际监控中，当检测到模型性能下降时，可以按照以下流程判定漂移类型：

1. 检查标签分布 P(Y)： 如果标签率（如坏账率）发生显著变化，且特征分布 P(X) 变化不大，则优先怀疑 Label Shift。
2. 检查特征分布 P(X)： 如果特征分布发生显著变化，但标签率稳定，则优先怀疑 Covariate Shift。
3. 检查条件分布 P(Y|X)： 如果特征分布和标签率均无明显变化，但模型预测误差显著增大，则高度怀疑 Concept Drift。
4. 交叉验证： 使用滑动窗口方法，分别计算相邻窗口间的 P(X)、P(Y) 和 P(Y|X) 的差异度量（如KL散度、JS散度），量化每种漂移的贡献度。