iPAS AI 應用規劃師中級 114 年第二次 科三 第 31 題 詳解

114 年第二次 科三 機器學習技術與應用

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，模型在訓練集上的損失值持續下降，但在驗證集上，損失在第80輪後開始波動，呈現週期性上升與下降。團隊懷疑模型受到季節性資料波動與隨機噪音影響，導致驗證損失難以穩定收斂。若要在此情境下合理運用早期停止法（Early Stopping）以確保模型具最佳泛化能力，下列哪一項策略最為適當？

1. A直接根據訓練集損失最低點停止訓練，以確保模型充分擬合所有樣本

   訓練損失持續下降，依它停止只會過擬合。

2. B監控驗證集損失並設定適度的耐心值（Patience），在連續多輪未改善後再停止訓練（正確答案）

   監控驗證損失並設耐心值，可容忍波動抓真正最佳點。

3. C改以測試集損失作為早停依據，以提升模型最終評估一致性

   用測試集早停會造成資料洩漏，評估失去公正性。

4. D將所有資料重新合併後訓練至收斂，避免因資料分割導致評估波動

   全部合併訓練無驗證集，無法判斷泛化能力。