iPAS AI 應用規劃師中級 115 年第一次 科三 第 14 題 詳解

115 年第一次 科三 機器學習技術與應用

某電商平台使用樸素貝氏分類器（Naive Bayes Classifier）建立垃圾郵件過濾模型。訓練集準確率（Accuracy）達92%，但上線後發現，包含「限時優惠、立即下單享折扣」等關鍵字的正常促銷郵件，常被誤判為垃圾信。經分析發現，這些詞彙在訓練資料中多出現在垃圾郵件中，導致其類別條件機率偏高。請問造成此現象的最主要原因與較適當的改善方式為何？

1. A應禁用Naive Bayes，改用其他更先進演算法

   演算法本身沒問題，換模型不解決資料偏斜。

2. B模型過擬合於訓練資料，應增加Epoch數以提升泛化能力

   誤判來自資料分布偏斜，增加 Epoch 只會更貼合偏斜資料。

3. C類別條件機率受訓練資料分布影響，導致促銷關鍵字被視為垃圾信特徵，應重新平衡資料或調整先驗機率（正確答案）

   正解：條件機率被訓練分布放大，須平衡資料或調整先驗。

4. D模型未進行特徵標準化（Feature Scaling），導致分類邊界偏移，應先進行正規化處理

   樸素貝氏以機率估計為主，不依賴特徵尺度。