iPAS AI 應用規劃師初級 114 年第四次 科一 第 35 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

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,而多數樣本集中於低價商品。若此不平衡問題未妥善處理,下列何種狀況最可能在實際推薦結果中發生?

  1. A模型在預測時傾向輸出稀有類別,導致雖能捕捉到少數樣本,但精確率(Precision)顯著下降

    方向相反,模型不會偏向樣本極少的稀有類別。

  2. B模型由於類別分布不均,難以建立有效的線性分離邊界,進而無法收斂

    不平衡不影響收斂,模型仍會訓練完成。

  3. C模型過度聚焦於稀有類別樣本,導致對多數類別的預測能力下降,整體效能受損

    錯在主張模型聚焦稀有類別,與不平衡的實際效應相反。

  4. D模型學到的決策邊界主要由多數類別主導,忽視了稀有類別,造成該類別的召回率(Recall)大幅降低(正確答案)

    多數類主導邊界,高價商品幾乎被漏掉,召回率大跌。

正確答案:D

資料類別不平衡對模型決策邊界與召回率的影響 先判斷哪一類樣本佔多數,模型就會偏向它,再看題目問的是哪個指標被犧牲。

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 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,…
  2. 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…
  3. 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…
  4. 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?
  5. 114 年第四次 科一 第 46 題某電商公司想預測用戶是否會購買特定商品,資料中包含多種用戶屬性與行為特徵。分析師希望選出對購買結果最有預測價值的特徵,以…