iPAS AI 應用規劃師初級 115 年第二次 科一 第 43 題 詳解
115 年第二次 科一 人工智慧基礎概論 · 考點:鑑別式AI與生成式AI的整合應用
某信用評分公司導入SHAP(SHapley Additive exPlanations)框架分析機器學習模型的輸出行為。分析師希望了解:「對於某位特定申請人被評為高風險的信用評分,各項輸入特徵分別對這個評分結果貢獻了多少」。下列哪一項最能正確說明SHAP Shapley值在此情境中所提供的資訊?
- A各特徵在模型訓練過程中對結果穩定性的影響程度
訓練穩定性屬模型收斂議題,與特徵貢獻無關。
- B此申請人的各項特徵,分別讓風險評分上升或下降的影響程度(正確答案)
正解:指出各特徵推升或拉低該申請人評分的幅度。
- C各特徵在所有客戶資料中對整體預測準確度的影響程度
混淆全域準確度評估與單筆預測解釋。
- D各特徵在模型中被使用的頻率
使用頻率近似分裂次數統計,不等於貢獻度。
正確答案:B
考 SHAP 值代表的是單一樣本中各特徵對該筆預測結果的貢獻方向與大小。 看題目問的是「這一筆預測為何如此」還是「整體模型表現」,前者屬局部解釋工具。
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。
開始刷題同考點的題目
鑑別式AI與生成式AI的整合應用
- 115 年第二次 科一 第 48 題某電商平台建置機器學習模型,用於預測用戶在瀏覽特定商品後的購買機率。模型上線初期表現穩定,但維運團隊在定期審查中發現兩種…
- 115 年第一次 科一 第 25 題在大型語言模型(LLM)的推論服務中,常透過請求批次處理(Batching)來提升系統效能。關於批次處理(Batchin…
- 115 年第一次 科一 第 26 題在可解釋AI(Explainable AI, XAI)的分類架構中,LIME(Local Interpretable M…
- 115 年第一次 科一 第 27 題SHAP(SHapley Additive exPlanations)值常用於分析機器學習模型的輸出行為。下列何者最符合…
- 114 年第四次 科一 第 27 題在大型Transformer模型的效能優化過程中,常見的方法之一是「剪枝(Pruning)」。下列哪一項最符合該方法的核…