iPAS AI 應用規劃師中級 115 年第一次 科二 第 22 題 詳解

115 年第一次 科二 大數據處理分析與應用

某連鎖便利商店集團欲建立門市未來14天每日銷售額預測模型（500間門市、3年歷史資料）。資料具有明顯的週期性（週末較高）、年度季節性（暑假與年末高峰）及長期成長趨勢，並包含已知節日與不定期事件（如颱風）。在此情境下，關於資料切分與建模策略，何者最適當？

1. A採隨機切分（80/20），使用傳統時間序列模型建模，刪除節日資料避免極端值影響，並以均方根誤差（RMSE）評估

   隨機切分造成資料洩漏，刪節日等於丟掉關鍵訊號。

2. B依時間順序切分（最後90天為測試集），使用具季節性建模能力的時間序列模型並加入節日資訊，不處理不定期事件，以平均絕對百分比誤差（MAPE）評估

   方向對，但忽略颱風等事件且僅用單一指標。

3. C依時間順序切分並採前進式驗證（Walk-Forward Validation），結合時間序列分解與機器學習模型，加入時間特徵、滯後與滾動統計特徵，並納入節日與不定期事件資訊，使用均方根誤差（RMSE）與平均絕對百分比誤差（MAPE）評估（正確答案）

   時序切分加前進式驗證、完整特徵與雙指標，最完整。

4. D依時間順序切分，直接使用深度學習模型建模，不進行特徵工程，所有門市共用模型，以平均絕對誤差（MAE）評估

   不做特徵工程又全門市共用一套模型，資訊浪費。