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 · 考點:數據準備與模型選擇

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。

正確答案:D

本題考資料漂移(Data Drift)的偵測方法:以統計指標量化特徵分佈差異。 題目問「如何偵測或確認分佈變化」時,選能量化兩組分佈差距的統計指標,而非選處置手段。

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

數據準備與模型選擇

  1. 114 年第二次 科一 第 24 題某金融機構的AI風控系統遭受對抗性攻擊,駭客透過對輸入特徵進行微小但惡意的擾動,成功欺騙了模型。為了從根本上解決模型自身…
  2. 114 年第二次 科一 第 29 題某AI開發團隊為提升模型開發效率及品質控制,計畫實施持續整合(Continuous Integration, CI)流程…
  3. 114 年第二次 科一 第 32 題某企業已將AI模型部署於生產環境,為確保系統持續穩定運作,並能提前偵測模型效能可能衰退,技術團隊希望透過監控指標進行預警…
  4. 114 年第二次 科一 第 34 題在自駕車影像辨識系統中,開發團隊希望模型能同時辨識每個像素所屬的物件類別(例如道路、建築、行人),又能區分出同類物件的不…
  5. 114 年第二次 科一 第 39 題某企業的資料科學團隊利用ARIMA模型(AutoRegressive Integrated Moving Average…