iPAS 備考專區 登入

iPAS AI 應用規劃師題庫・中級・L21 AI 技術應用與規劃

iPAS 考題解析資料增強(Data Augmentation)導致模型效能下降的可能原因為何?

來源標記:114年第二梯次中級科目一

你的作答

解析

正確答案:B. 增強後的特徵分佈與原始資料不一致,應檢查語意一致性

資料增強(Data Augmentation)如果做得不好(例如過度旋轉讓圖片失去意義、翻譯後語意改變),增強出來的資料特徵分佈會和原始資料不同,模型反而學到錯誤的模式。

每個選項為什麼對或錯

  • A 未經隨機初始化處理 錯誤選項

    隨機初始化是模型權重的問題,和資料增強(Data Augmentation)無直接關係

  • B 增強後的特徵分佈與原始資料不一致,應檢查語意一致性 正解

  • C 增強比例過高 錯誤選項

    比例過高本身不一定是問題,關鍵是增強的品質和一致性

  • D 標註可信度下降 錯誤選項

    資料增強(Data Augmentation)通常不改變標註,標註可信度不是主因

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。