iPAS AI 應用規劃師中級 114 年第二次 科一 第 14 題 詳解

114 年第二次 科一 人工智慧技術應用與規劃 · 考點:AI 導入規劃

在調整模型超參數(Hyperparameters)時,若希望避免因過度調整參數而導致過擬合,下列哪一種做法最有效提升模型的泛化能力?

  1. A採用交叉驗證(Cross-Validation)於多組參數組合間反覆評估,選擇在驗證資料上表現最穩定的設定(正確答案)

    多折驗證取平均,挑穩定設定,直接對抗調參過擬合。

  2. B使用早期停止機制(Early Stopping)監控訓練誤差並在收斂前停止訓練,以防模型學習過度

    方向對但監控對象錯,應看驗證誤差而非訓練誤差。

  3. C對輸入特徵進行標準化以減少特徵值差異帶來的過擬合風險

    標準化改善收斂與尺度問題,不是防過擬合手段。

  4. D提高模型複雜度並使用更多超參數搜尋範圍,以確保模型能充分學習資料特徵

    加複雜度與擴大搜尋只會讓過擬合更嚴重。

正確答案:A

考超參數調校時,如何用交叉驗證避免過擬合並提升泛化能力。 看題目問的是「評估方式」還是「訓練技巧」,選能反覆驗證未見資料的做法。

用刷8題準備 iPAS AI 應用規劃師中級

每天隨手刷 8 題,答錯的題目會自動排回來再考一次。不用註冊,打開就能開始。

開始刷題

AI 導入規劃

  1. 114 年第二次 科一 第 16 題下列哪一種情境中最適合使用「序列到序列(Seq2Seq)」模型?
  2. 114 年第二次 科一 第 18 題當Transformer模型發生「注意力分布過於平均(Attention Collapse)」的情形時,導致模型無法有效…
  3. 114 年第二次 科一 第 19 題某研究團隊正在訓練一個針對低資源語言(如少數民族語言)的語言模型,但該語言僅有約1萬筆語料可用。在訓練過程中出現明顯的過…
  4. 114 年第二次 科一 第 20 題在使用生成對抗網路(GAN)進行人臉影像生成時,若出現「模式崩潰」(Mode Collapse)現象,下列哪一種方法最常…
  5. 114 年第二次 科一 第 33 題企業團隊在使用Word2Vec模型訓練客服文本語料時,若訓練資料量龐大且希望模型能更有效捕捉罕見詞的語意關聯,下列哪一種…