iPAS AI 應用規劃師初級 114 年第四次 科一 第 33 題 詳解

114 年第四次 科一 人工智慧基礎概論 · 考點:資料整理與分析流程

在工業物聯網架構中,進行設備預測性維護(Predictive Maintenance)時,若面對異常事件發生頻率極低、樣本高度不平衡的時間序列資料,下列哪一種方法最能兼顧模型穩定性與異常偵測效能?

  1. A將每筆異常事件資料複製多次以提升模型對異常的辨識敏感度,搭配全序列訓練模型(如LSTM)

    單純複製異常樣本只會讓模型過擬合那幾筆事件。

  2. B對時間序列進行差分與標準化後,使用傳統監督式學習模型(如SVM)進行分類訓練

    差分標準化後仍是監督式分類,異常太少學不起來。

  3. C使用經過時間序列特化的SMOTE技術生成異常樣本,以平衡異常與正常資料比例

    SMOTE 合成的時序異常未必符合真實故障樣態。

  4. D採用基於重建誤差的自編碼器模型(Sequence-to-Sequence Autoencoder)進行異常偵測,並僅使用正常資料進行訓練(正確答案)

    只用正常資料訓練重建模型,以重建誤差偵測異常。

正確答案:D

異常樣本極少時,該用只學正常樣態的非監督式異常偵測作法。 看到樣本極度不平衡又難取得異常標註,先想「只學正常、用重建誤差判異常」。

用刷8題準備 iPAS AI 應用規劃師初級

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

資料整理與分析流程

  1. 114 年第四次 科一 第 35 題某大型零售企業準備將商品推薦模型上線,專案團隊在檢視訓練資料時,發現部分商品類別(例如高價商品)樣本數量極少,而多數樣本…
  2. 114 年第四次 科一 第 37 題某金融科技公司在利用歷史交易資料建立風險控管模型時,嘗試推估整體詐騙交易比例。近期發現,樣本間存在明顯的時間序列相關性,…
  3. 114 年第四次 科一 第 41 題一家旅遊平台希望建立模型,預測顧客下次是否會再次透過該平台訂房。資料包含:顧客ID、年齡、旅遊次數、平均花費金額、主要交…
  4. 114 年第四次 科一 第 43 題某公司欲建立員工離職風險預測模型,資料集中包含「年度績效分數」、「平均每月加班時數」、「年齡」等數值型特徵。由於各特徵的…
  5. 114 年第四次 科一 第 44 題在機器學習中,「叢集(Clustering)」方法最典型的應用情境是下列何者?