某電商平台建置商品自動分類 AI 模型，正式上線初期分類成效良好。數個月後，平台舉辦大型購物節，大量新款潮流服飾與特殊節慶包裝商品上架，使模型分類準確率明顯下降。經維運團隊分析，確認商品分類標準並未改變，但使用者上傳商品圖片的特徵分布已與模型訓練時的資料集存在顯著差異。請問此現象最適合稱為下列何者？
答案 （C）
核心概念
分類標準沒變、輸入資料的長相變了，這是資料漂移；標準本身變了才是概念漂移。
漂移分兩種：
・資料漂移（Data Drift）：輸入特徵的分布變了，例如商品照片的風格、包裝跟訓練時差很多，但「什麼算哪一類」的規則沒變
・概念漂移（Concept Drift）：輸入跟輸出的關係變了，例如同一種商品以前歸 A 類、現在改歸 B 類
題幹明說「分類標準並未改變」「圖片特徵分布已與訓練資料存在顯著差異」，就是資料漂移。
答題技巧
快速判斷技巧：先問「規則變了嗎」，沒變就是資料漂移（Data Drift），變了才是概念漂移（Concept Drift）。 ・輸入分布變、標準不變 → 資料漂移 ・標準本身變 → 概念漂移 ・上線就不準 → 過擬合（Overfitting） ・訓練資料本來就偏 → 資料偏誤（Data Bias）
易錯陷阱：(A) 概念漂移比較常聽到，看到「漂移」就選它。 關鍵差異：題幹特地寫「分類標準並未改變」，這句就是在排除概念漂移。