iPAS AI 應用規劃師中級 114 年第二次 科三 第 29 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,原有驗證集已無法充分反映現況,導致模型在實際部署後的預測準確率逐漸下降。下列哪一種策略最能有效提升模型在長期運行環境中的穩健性與泛化能力?

  1. A固定驗證集內容,並透過模型正則化技巧(如L2正則化)強化模型泛化

    正則化只壓過擬合,固定驗證集仍反映不了新工況。

  2. B將全部歷史資料納入訓練,不使用驗證集,依靠早期停止(Early Stopping)控制訓練

    沒有獨立驗證集,早期停止失去判斷依據。

  3. C簡化模型架構,減少模型參數數量以降低過擬合風險

    減參數降低表達力,對分布改變無幫助。

  4. D採用時間序列交叉驗證(Time Series Cross Validation)或滑動視窗驗證(Rolling Window Validation)方法,動態更新驗證資料以適應時間演進(正確答案)

    依時間滾動更新驗證資料,貼合工況演進。

正確答案:D

時間序列資料的驗證切分方式與概念漂移下的模型穩健性。 看到資料隨時間演進、分布會改變,就優先考慮依時間順序滾動更新的驗證設計。

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

數據準備與特徵工程

  1. 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…
  2. 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…
  3. 114 年第二次 科三 第 38 題附圖程式碼所計算的是哪一類型的評估指標?
  4. 114 年第二次 科三 第 42 題在深度神經網路中,不同層的參數量(parameter count)差異極大。有些層雖然數量少但計算量大,有些則相反。了解…
  5. 114 年第二次 科三 第 44 題VGG16層數深且結構規則,由多層卷積、池化及全連接層組成。了解各層的輸入/輸出維度、參數量及記憶體需求,有助於掌握CN…