iPAS 考題解析
KNN 連題組第二題：研究人員在對 digits 資料集進行分類時，決定使用 KNN 並搭配交叉驗證來評估模型準確率。他們撰寫了四組不同的程式碼來進行 KNN 訓練與交叉驗證，但不確定哪幾組程式碼能正確執行並輸出準確率。請問哪幾組程式碼能正確使用 KNN 搭配交叉驗證，對 digits 資料集進行訓練並輸出準確率？ 程式碼 A：使用 StratifiedKFold(n_splits=5, shuffle=True)，scoring="accuracy" 程式碼 B：同 A，但 scoring="f1" 程式碼 C：使用 cv=5（整數），scoring="accuracy" 程式碼 D：同 C，但 scoring="f1"
中級 機器學習技術與應用
難度：基礎 ☆☆☆ 114 年考題
題目與選項
KNN 連題組第二題：研究人員在對 digits 資料集進行分類時，決定使用 KNN 並搭配交叉驗證來評估模型準確率。他們撰寫了四組不同的程式碼來進行 KNN 訓練與交叉驗證，但不確定哪幾組程式碼能正確執行並輸出準確率。請問哪幾組程式碼能正確使用 KNN 搭配交叉驗證，對 digits 資料集進行訓練並輸出準確率？ 程式碼 A：使用 StratifiedKFold(n_splits=5, shuffle=True)，scoring="accuracy" 程式碼 B：同 A，但 scoring="f1" 程式碼 C：使用 cv=5（整數），scoring="accuracy" 程式碼 D：同 C，但 scoring="f1"
- A. 程式碼 A、程式碼 B、程式碼 C、程式碼 D
- B. 程式碼 A、程式碼 C ✓ 正確答案
- C. 程式碼 A、程式碼 B
- D. 程式碼 C、程式碼 D
詳細解析
正確答案：B. 程式碼 A、程式碼 C
能正確執行的只有程式碼 A 和程式碼 C（使用 scoring="accuracy"）：digits 是 10 類別的多分類問題，scoring="f1" 的預設是二元分類用法，對多類別問題會報錯或警告，必須改成 "f1_macro" 或 "f1_weighted" 才能正常執行。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
使用鐵達尼號（Titanic）資料集進行多層感知機（Multilayer Perceptron, MLP）分類預測分析，其中 survived 為反應變數（1 表示存活，0 表示死亡）。資料載入後切分為 X_train（前 9 欄）/y_train（survived）/X_test/y_test，型別為 float32。 參考下圖程式碼： X_train -= X_train.mean(axis=0) X_train /= X_train.std(axis=0) X_test -= X_test.mean(axis=0) X_test /= X_test.std(axis=0) 敘述（複選 sub-options）： A：X_train -= X_train.mean(axis=0) 將每個訓練集特徵的平均值調整為 0 B：X_train /= X_train.std(axis=0) 將每個訓練集特徵的標準差調整為 0 C：X_train 處理結果會將資料壓縮到 0 和 1 之間 D：標準化結果防止梯度爆炸或消失 E：標準化是屬於特徵選擇（Feature Selection）方法 F：X_train 程式碼應修正為 X_train = X_train.std(axis=0)，X_test 程式碼應修正為 X_test = X_test.std(axis=0) 請問下列何者正確？（4 個選項各為不同的子敘述組合）
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
下列哪一種 AI 應用情境中，模型的可解釋性（Explainability）最為關鍵？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
某能源公司利用歷史氣象與用電資料，開發長期電力需求預測模型，採用深度神經網路架構進行訓練。在訓練過程中，模型在訓練集上的損失值持續下降，但在驗證集上，損失在第 80 輪後開始波動，呈現週期性上升與下降。團隊懷疑模型受到季節性資料波動與隨機噪音影響，導致驗證損失難以穩定收斂。若要在此情境下合理運用早期停止法（Early Stopping）以確保模型具最佳泛化能力，下列哪一項策略最為適當？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。