iPAS AI 應用規劃師中級 114 年第二次 科三 第 2 題 詳解
114 年第二次 科三 機器學習技術與應用 · 考點:模型選擇與架構設計
在建立迴歸或分類模型時,若希望避免模型過度擬合(Overfitting),可透過加入正則化項以限制模型的複雜度。其中,L1正則化(Lasso)的主要效果為何?
- A增加模型參數的數量,以提升表現靈活度
增加參數只會加重過度擬合,與正則化目的相反。
- B強化梯度穩定性,避免參數更新過度震盪
穩定梯度是最佳化器或正規化層的工作,非 L1 效果。
- C產生稀疏模型(Sparse Model),使部分參數權重收斂為零(正確答案)
L1 懲罰絕對值,使部分權重被壓到零,形成稀疏模型。
- D提高學習率(Learning Rate),加速模型收斂速度
學習率是超參數設定,與懲罰項無關。
正確答案:C
考 L1 正則化(Lasso)產生稀疏權重、具特徵選擇效果的特性。 看到正則化題,先分清 L1 使權重歸零做特徵篩選、L2 使權重均勻縮小。
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。
開始刷題同考點的題目
模型選擇與架構設計
- 114 年第二次 科三 第 11 題相較於Grid Search,Random Search在超參數調整上具備哪一項主要優勢?
- 114 年第二次 科三 第 12 題某智慧製造公司開發一套設備故障預測系統,利用感測器資料訓練深度神經網路(Deep Neural Network, DNN…
- 114 年第二次 科三 第 17 題下列哪一種優化演算法內建動量(Momentum)的設計機制?
- 114 年第二次 科三 第 31 題某能源公司利用歷史氣象與用電資料,開發長期電力需求預測模型,採用深度神經網路架構進行訓練。在訓練過程中,模型在訓練集上的…
- 114 年第二次 科三 第 36 題某銀行計畫與多家合作機構共同訓練一個AI信用風險預測模型,為避免客戶交易資料在傳輸與運算過程中外洩,技術團隊評估使用同態…