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

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。