Un cambio en la distribución conjunta de entradas y objetivos entre el entrenamiento (fuente) y el despliegue (objetivo) que puede hacer que un modelo entrenado en la fuente rinda peor en la meta.

Principio

El rendimiento depende de las suposiciones sobre distribuciones; cuando cambian las distribuciones marginales o condicionales, el minimizador del riesgo empírico en la fuente puede dejar de ser óptimo en la meta.

Demostración

Un reconocedor de voz entrenado con grabaciones de estudio (fuente) experimenta mayores tasas de error cuando se usa en grabaciones telefónicas ruidosas (objetivo) porque difieren la distribución acústica y las condiciones de ruido.

Aplicación incorrecta

Etiquetar cualquier caída de rendimiento como 'desplazamiento de dominio' sin diagnosticar si el problema es ruido en las etiquetas, sesgo del conjunto de datos, desajuste en la evaluación o un cambio real en las distribuciones condicionales; esa confusión lleva a correcciones inapropiadas.

Consecuencia

Reconocer un desplazamiento de dominio motiva la adaptación, la monitorización o el reentrenamiento; no detectarlo conduce a degradación silenciosa de sistemas desplegados y predicciones poco fiables en contextos críticos.

Inversión

Estacionariedad distributiva: asumir que no hay desplazamiento, es decir, que las distribuciones de entrenamiento y despliegue son idénticas y no se necesita adaptación.

Límite

Se refiere a diferencias distribucionales que afectan el rendimiento predictivo; excluye fluctuaciones de medición triviales que no cambian relaciones condicionales y situaciones en las que solo cambian las definiciones de etiqueta o la tarea (concept drift como cambio de la función de etiquetas).

Tensión semántica

Compite con términos relacionados como covariate shift, label shift y concept drift; la tensión aparece porque 'desplazamiento de dominio' se usa a menudo como término paraguas para varios fenómenos formales distintos que requieren soluciones diferentes.

Síntesis

El desplazamiento de dominio describe la realidad empírica de procesos generadores de datos distintos según el contexto; un diagnóstico preciso de qué distribuciones han cambiado (marginales, condicionales o ambas) orienta remedios apropiados como reponderación, adaptación o redefinición de la tarea.