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

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。