iPAS 備考專區 登入

iPAS AI 應用規劃師題庫・中級・L22 大數據處理分析與應用

iPAS 考題解析若開發一個用於罕見疾病自動診斷的分類模型,目前資料集中確診樣本僅佔不到 1%,且因為標註成本高,短期內無法取得更多資料。在此情況下,若希望提升模型對少數類的偵測能力,同時避免過擬合,下列哪一種策略最為合理?

原卷題來源:iPAS 114 年第二次中級科目二 第 37 題(原卷)

你的作答

解析

正確答案:C. 使用 SMOTE(Synthetic Minority Over-sampling Technique)生成合成少數類樣本後再訓練分類模型

資料嚴重不平衡(少數類 <1%)且無法補充真實資料,用SMOTE(合成少數類過採樣技術)生成合成樣本平衡資料集,比直接複製樣本(過採樣)或刪減多數類(欠採樣)更能避免過擬合並保留資訊。

這題有完整的逐題解析

情境、白話說明、每個錯選項的陷阱,以及同一個考點下次會怎麼變形。

答案、題目或解析有問題?回報這題

題目 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。