iPAS AI 應用規劃師中級 115 年第一次 科一 第 37 題 詳解

115 年第一次 科一 人工智慧技術應用與規劃

某製造廠開發產線瑕疵檢測模型時，資料集存在嚴重類別不平衡問題，其中良品約占99%，瑕疵品僅占1%。若直接使用原始資料進行訓練，模型容易偏向預測多數類別（良品），導致對少數類別（瑕疵品）辨識能力不足。在不調整模型架構與學習演算法的前提下，僅透過資料前處理方式改善此問題，下列何者最適當？

1. A使用SMOTE等過採樣方法進行少數類別擴增（正確答案）

   合成少數類樣本，屬資料前處理，直接補足瑕疵品比例。

2. B加入L1／L2正則化（Regularization）以防止過擬合

   正則化屬學習演算法調整，且針對過擬合非不平衡。

3. C大幅增加深度神經網路的層數，以強化特徵萃取能力

   加深網路是模型架構改動，違反題目限制。

4. D複製更多良品數據，以進一步提升模型的準確率（Accuracy）

   複製多數類會加劇失衡，準確率更失去意義。