核心概念
数据集偏移、分布外与漂移
训练与使用的联合分布不同、样本相对参考分布处于分布外，或分布随时间环境改变的相关但不同情形。
OOD 分布变化 数据集偏移 dataset shift concept drift
简明解释
数据集偏移（dataset shift）指训练与测试或使用阶段的输入—目标联合分布不同。分布外（out-of-distribution，OOD）是相对于声明的训练或参考分布而言的状态；分布漂移强调分布随时间或环境改变。三者相关而不完全同义。[1, Book description; Chapter 1 introductory definition][2, §2.4, Definition]
别和什么混淆
OOD不是所有普通预测错误的统称；一个训练分布内样本也可预测错，一个分布外样本也未必立即导致性能下降。必须先声明参考分布、变化对象和评价任务。
在本书中
本页参考来源
- Quiñonero-Candela J, Sugiyama M, Schwaighofer A, Lawrence N D, eds.. Dataset Shift in Machine Learning [M]. MIT Press, 2009. 定位：Book description; Chapter 1 introductory definition. 稳定来源（访问 ）。
- Yang J, Zhou K, Li Y, Liu Z. Generalized Out-of-Distribution Detection — A Survey [J]. International Journal of Computer Vision, 2024. 定位：§2.4 “Out-of-Distribution Detection”, Definition. 稳定来源（访问 ）。