【正解】C
【0からの解説】
データドリフトとは、本番でモデルに入力されるデータの分布が、トレーニング時のデータから変化してしまう現象です。モデルは「学習した時点の世界」を基準に予測するため、ドリフトが進むと予測の前提が崩れ、性能が劣化します。
ドリフトへの根本的な対処は、現在の（変化後の）データを反映した新しいデータでモデルを再トレーニングすることです。これによりモデルの「知識」が現実に追いつき、予測品質への悪影響が緩和されます。「ドリフト検出 → 再トレーニング」は MLOps の基本サイクルです。
【誤りの選択肢】
A：エンドポイントの再起動はインフラの操作にすぎず、モデルの中身（学習済みの知識）は何も変わらないため、ドリフトの影響は解消されません。
B：監視の感度を調整（しきい値を緩く）すると、アラートが出なくなるだけで問題そのものは放置されます。むしろ悪化を見逃す危険な対応です。
D：実験の追跡はモデル開発時の試行の記録・比較のための仕組みであり、本番のドリフトへの対処にはなりません。
【参考】
Amazon SageMaker Model Monitor