某企業將機器學習模型部署於線上推薦系統。模型在測試階段表現良好，但上線數月後，點擊率與預測準確度逐漸下降。經分析發現，近期使用者行為模式與模型訓練期間的資料特徵出現顯著變化。此現象最可能屬於下列何者？
答案 （C）
核心概念
這是資料漂移（Data Drift）的標準情境。模型上線時的表現是好的，但隨著時間推移，使用者的行為模式、市場環境、流行趨勢都在變，實際輸入資料的統計分布逐漸偏離訓練時的分布，模型還在用舊世界的規律做預測，效果自然衰退。這也是為什麼上線後需要持續監控資料分布並定期重訓。
答題技巧
快速判斷技巧：抓兩個關鍵字——「上線後」＋「逐漸」。這組合幾乎必定是資料漂移或概念漂移。若是「一開始就不好」則往過度擬合或特徵設計找；若是「突然斷崖下降」則往系統故障找。
易錯陷阱：(A) 過度擬合是最常被誤選的答案。分辨方法很簡單：過度擬合是先天問題（訓練完就存在，測試階段就會露餡），資料漂移是後天變化（上線時好好的，隨時間變差）。（115-1 科目 1 第 48 題的對照觀念，兩科都考。）