iPAS AI 應用規劃師中級 114 年第二次 科三 第 47 題 詳解
114 年第二次 科三 機器學習技術與應用
在郵遞區號自動辨識的研究中，研究人員收集了一份手寫數字影像資料集，每一張影像為8×8的灰階圖片，共包含多個手寫數字樣本。這份資料集來自UCI Machine Learning Repository，常被用於數字辨識與機器學習方法的教學與實驗。
在過程中，研究人員發現資料中可能存在雜訊，例如筆跡模糊或影像中附加的干擾點，這會影響後續分類模型的效能。因此，他們希望透過資料降噪的方法，提升後續分類的準確度。同時，他們也想透過KNN (K-Nearest Neighbors)搭配交叉驗證來評估模型表現，確保模型在不同資料切割下都能有穩定的預測能力。
部分樣本經繪製後的外觀如下圖所示：
根據這份資料來回答46~47題。
研究人員在對digits資料集進行分類時，決定使用KNN並搭配交叉驗證來評估模型準確率。他們撰寫了四組不同的程式碼來進行KNN訓練與交叉驗證，但不確定哪幾組程式碼能正確執行並輸出準確率。每組程式碼在資料切割、模型訓練、交叉驗證函數的使用上略有差異，研究人員希望找出可以正確完成任務的程式碼組合，以確保模型評估的可靠性。請問哪幾組程式碼能正確使用KNN搭配交叉驗證，對digits資料集進行訓練並輸出準確率？
- A程式碼A、程式碼B、程式碼C、程式碼D
把會報錯的 f1 版本也算進去，不成立。
- B程式碼A、程式碼C（正確答案）
A 與 C 的 accuracy 在多元分類可直接計算，正確。
- C程式碼A、程式碼B
程式碼 B 的 scoring="f1" 在十類標籤會拋錯。
- D程式碼C、程式碼D
程式碼 D 同樣卡在 f1 未指定 average。
正確答案：B
多元分類任務下交叉驗證評分指標（scoring）的正確選用。 先確認標籤是二元還是多元，再檢查 scoring 字串是否支援該類別數。
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