在機器學習模型的實務應用中，常會出現數據漂移（Data Drift）的情況。此現象主要是指下列哪一種情況？
答案 （A）
核心概念
數據漂移指的是模型上線後，實際輸入資料的統計分布逐漸偏離訓練時的分布。例如疫情改變了消費行為、新客群湧入、市場環境變動，模型還是照著舊世界的規律在預測，效能就會慢慢衰退。這是模型維運（MLOps）必須持續監控的指標，通常靠分布比對與定期重訓來因應。要注意它與概念漂移（Concept Drift）的差別：後者是「輸入與輸出之間的關係」本身改變了。
答題技巧
快速判斷技巧：抓兩個關鍵字——「隨時間」與「分布差異」。數據漂移一定是上線後、隨時間發生的分布變化，選項裡沒有時間軸的都不是它。
易錯陷阱：(C) 過度擬合是最常見的混淆對象。分辨方法：過度擬合在「上線前」就已經存在（訓練好就是那樣），數據漂移是「上線後」才逐漸發生的——一個是先天問題，一個是後天變化。