iPAS AI 應用規劃師中級 115 年第一次 科二 第 43 題 詳解
115 年第一次 科二 大數據處理分析與應用
某全球共享乘車平台的資料科學團隊，正針對2025年第四季度進行營收優化與防弊分析專案。團隊希望透過資料分析達成兩項目標：一是預測司機未來收入表現，以支援營運策略與獎勵機制調整；二是希望透過分析裝置與定位回傳資料，辨識潛在異常行為，以降低補貼濫用風險。
為此，團隊整理出一份司機每日營運資料檔（driver_daily_stats.csv），其中每筆資料代表某位司機於某一天的營運表現與系統回傳摘要資訊。資料欄位如下：
● driver_id：司機編號
● daily_earnings：日總收入（單位：美元）
● region：註冊營運區域（以字串A、B、C表示）
● app_version：使用的司機端App版本（如v1.0、v2.0）
● gps_ping_rate：每分鐘回傳GPS訊號的次數
請根據此資料情境回答第41~44題。
平台安全部門發現，僅有極少數司機（約占總體0.05%）會利用外掛程式竄改gps_ping_rate，以騙取里程補貼。某新進資料科學家訓練了一個二元分類模型，並在報告中指出：「模型整體準確率（Accuracy）高達99.95%，因此可直接上線攔截可疑帳號。」然而，資深工程師檢視後認為，僅憑上述結果（如圖）仍不足以支持模型直接上線。下列何者不是其提出質疑的合理理由？
- A在此類極度不平衡的資料中，即使模型永遠預測所有司機皆為正常，整體準確率仍可能高達99.95%
全預測為正常即可得高準確率，是合理質疑。
- B報告中未呈現召回率（Recall），因此模型可能無法有效辨識真正的外掛司機
缺召回率無法確認抓到多少外掛司機，質疑成立。
- C異常偵測問題不可使用分類模型處理，僅能使用分群或離群值方法（正確答案）
異常偵測有標註時本就可用分類模型，敘述錯誤。
- D對於少數類比例極低的問題，若僅觀察Accuracy，可能忽略模型對異常樣本的實際偵測能力
點出只看Accuracy會忽略少數類偵測力，成立。
正確答案：C
不平衡資料下的模型評估指標判讀，以及異常偵測可用的方法範圍。 看到「只能」「不可」這類絕對化敘述，先懷疑它把方法的適用範圍講死了。
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