iPAS AI 應用規劃師中級 114 年第二次 科三 第 26 題 詳解
114 年第二次 科三 機器學習技術與應用 · 考點:數據準備與特徵工程
在防止監督式學習模型過擬合(Overfitting)時,下列哪一種策略不屬於降低模型複雜度或限制學習能力的作法?
- A採用L1或L2正則化
正則化對權重加懲罰項,直接壓低有效複雜度。
- B在訓練過程中使用Dropout技術
Dropout 隨機停用神經元,降低共適應與過度記憶。
- C採取早期停止(Early Stopping)機制
早期停止在驗證誤差回升前收手,限制擬合程度。
- D擴增輸入特徵變數以提升模型表達能力(正確答案)
增加特徵等於放大假設空間,反而加重過擬合。
正確答案:D
辨識哪些技巧屬於抑制過擬合的模型複雜度控制手段。 先問這個作法是「限制模型自由度」還是「增加模型自由度」,方向相反者即為答案。
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
數據準備與特徵工程
- 114 年第二次 科三 第 28 題一家零售電商公司希望建立顧客流失預測模型,用以判斷哪些會員可能在三個月內不再消費。團隊以去年會員資料進行訓練,並僅採用「…
- 114 年第二次 科三 第 29 題在工業設備故障預測專案中,模型訓練與超參數調整均依賴於一段歷史數據作為驗證集。然而,隨著設備運行環境與工況條件的變化,原…
- 114 年第二次 科三 第 30 題某情感分析模型在英文資料集上取得macro F1-score = 0.91。當該模型部署於西班牙文資料集時,F1-sco…
- 114 年第二次 科三 第 32 題某電信公司開發客戶流失預測模型,使用大量顧客行為特徵,例如通話時長、上網頻率、帳單金額、客服聯絡次數等。在訓練過程中,團…
- 114 年第二次 科三 第 34 題某醫療人工智慧團隊正在開發心臟病風險預測模型,資料量僅有150筆,其中陽性個案不到8%。由於樣本數稀少且類別分布極不平衡…