iPAS 考題解析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？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：A. 訓練時使用的資料分佈，與部署後實際輸入資料的統計特徵隨時間逐漸出現差異，導致模型表現衰退
數據漂移指的是模型部署後，實際輸入資料的統計分佈隨時間逐漸偏離訓練時的資料分佈，導致模型在新資料上的預測表現下降。這是機器學習系統在長期運作中最常見的效能退化原因。
每個選項為什麼對或錯
-
A 訓練時使用的資料分佈，與部署後實際輸入資料的統計特徵隨時間逐漸出現差異，導致模型表現衰退 正解
數據漂移就是訓練資料與實際輸入資料的統計分佈隨時間產生差異，導致模型衰退。
-
B 在資料前處理過程中，因特徵刪減或缺失補值不當，造成樣本資訊量下降 錯誤選項
這描述的是資料前處理的問題，不是數據漂移。
-
C 模型對訓練數據擬合過度，在未知數據上泛化能力不足 錯誤選項
這描述的是過擬合（Overfitting），不是數據漂移。
-
D 後端資料庫因欄位定義或結構調整，導致特徵提取流程與原始設計不一致 錯誤選項
這描述的是資料管道的結構性問題，不是數據漂移的定義。
答案、題目或解析有問題？回報這題