데이터 스트림(Data streams)은 오늘날 가장 빈번하게 분석되는 데이터 구조 중 하나이며, 개념 드리프트(Concept drift)는 처리 시스템이 직면하는 주요 과제입니다. 개념 드리프트로 인한 정확도 저하에 대응하기 위한 수많은 솔루션이 제안되었음에도 불구하고, 과학계는 아직 개념 드리프트 탐지(Concept drift detection) 작업을 평가하기 위한 통일된 프레임워크를 구축하지 못했습니다. 기존 연구는 종종 분류 품질 지표(Classification quality metrics)에 의존하지만, 이러한 지표들은 여러 요인의 영향을 받을 수 있으며 드리프트 탐지 품질을 신뢰성 있게 반영하지 못할 수 있습니다. 본 연구에서는 합성 비정상 데이터 스트림(Synthetic nonstationary data streams)에서 드리프트 탐지 품질을 정량화하는 지표와 분류 성능(Classification performance) 사이의 관계에 대한 심층적인 개요를 제시합니다. 제안된 연구는 드리프트 역학(Drift dynamics)을 하나의 요인으로 고려하면서, 7개의 합성 데이터 스트림 생성 도구 전반에 걸쳐 분류기의 성능과 관련된 8가지 드리프트 탐지 품질 지표를 조사합니다. 본 연구의 목적은 가장 정보가 풍부한 드리프트 탐지 품질 지표 세트를 식별하고, 해당 방법론의 평가에 대한 깊은 이해를 제공하는 것입니다.