約1年前に本番環境にデプロイされた消費者向けローン審査モデルが、最近になってモデルの精度が低下し始めていることが確認されました。調査の結果、経済環境の変化により入力データの統計的分布が学習時と大きく乖離していることがわかりました。この現象を表す用語と、AWSでこれを検出・監視するために最も適切なサービスの組み合わせはどれですか？
概念ドリフト（Concept Drift）は広義には、時間の経過とともにデータの統計的性質やモデルが学習した概念との乖離が生じ予測精度が劣化する現象の総称です。厳密には、入力特徴量の分布変化（P(X)の変化）を「データドリフト／共変量シフト（Covariate Shift）」、入力とターゲット変数の関係性の変化（P(Y|X)の変化）を「概念ドリフト」と区別します。本問は前者に近い状況ですが、広義の概念ドリフトとして扱っています。Amazon SageMaker Model Monitorはデプロイ済みモデルへの推論リクエストデータを継続的に収集・分析し、学習時のベースライン統計量との乖離（データドリフト）や予測品質の低下を自動検出してアラートを発報します。 選択肢Aの「過学習（Overfitting）」は過学習ではなくデータドリフトです。 選択肢Cの「データポイズニング」はデータポイズニングではなくデータドリフトです。 選択肢Dの「モデルバイアス」はモデルバイアスではなくデータドリフトです。