Adversarial Validationは，機械学習において学習データとテストデータの分布の違いを検出する手法であり，より性能の良いモデルを学習するために用いられる．先行研究として，Adversarial Validationをデータドリフト対処のために利用し，教師あり機械学習モデルを更新して時系列データの予測をバッチ単位で行う枠組みが提案されている．その特徴量選択に注目した先行研究の枠組みを応用して，我々はこれまでにデータ選択を行う枠組みを提案してきた．本研究では，データ選択手法で利用するデータの選択指標について，人工ドリフトデータセットを用いた検討を行う．