iPAS AI 應用規劃師中級 114 年第二次 科一 第 22 題 詳解

114 年第二次 科一 人工智慧技術應用與規劃

某電商平台開發的顧客流失預測模型在上線數月後，預測準確率明顯下降。專案團隊懷疑顧客行為模式改變，導致模型輸入特徵的分佈與原始訓練資料不同，出現典型的資料漂移（Data Drift）問題。為了偵測並確認資料分佈是否發生變化，下列哪一種作法最合適？

1. A定期重新訓練模型以應對外部變化

   重新訓練是漂移發生後的因應對策，無法用來判斷分佈是否真的變了。

2. B提升模型複雜度以捕捉更多資料變異性

   加大模型複雜度只會提高過擬合風險，與偵測輸入分佈無關。

3. C增加測試資料量以提高評估準確度

   擴增測試資料只降低評估誤差，不比較訓練期與上線期的分佈差異。

4. D計算輸入特徵分佈間的KL散度（KL Divergence）（正確答案）

   KL散度直接量化上線特徵分佈與訓練分佈的差距，是標準漂移偵測指標。