iPAS 考題解析
在機器學習中，「偏差與變異權衡（Bias-Variance Tradeoff）」主要用來解決下列哪一類型的問題？
初級 人工智慧基礎概論
難度：進階 ★★★
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 人工智慧基礎概論
- 知識主題
- 機器學習概念
- 能力指標
- 機器學習基本原理（L11301）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「人工智慧基礎概論」科目中的「機器學習概念」範疇， 對應的能力指標為「機器學習基本原理」，涵蓋模型訓練與泛化機制等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
在機器學習中，「偏差與變異權衡（Bias-Variance Tradeoff）」主要用來解決下列哪一類型的問題？
- A. 因資料來源或收集方式限制，導致模型學習到的資訊不足；
- B. 測試資料樣本與訓練資料高度重複，造成模型泛化能力評估失準；
- C. 訓練資料中類別分布不均，使模型在少數類別上表現不佳；
- D. 如何在模型偏差與變異之間取得平衡，以避免過度擬合或欠擬合 ✓ 正確答案
詳細解析
正確答案：D. 如何在模型偏差與變異之間取得平衡，以避免過度擬合或欠擬合
偏差-變異權衡（Bias-Variance Tradeoff）的核心就是在模型偏差（Bias，導致欠擬合（Underfitting） Underfitting）與變異（Variance，導致過擬合（Overfitting） Overfitting）之間找到平衡點。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 因資料來源或收集方式限制，導致模型學習到的資訊不足； （不正確）
資料不足導致學習資訊不足是資料品質問題，不是 Bias-Variance Tradeoff 的核心
B. 測試資料樣本與訓練資料高度重複，造成模型泛化能力評估失準； （不正確）
測試與訓練資料重複是資料洩漏（Data Leakage）問題
C. 訓練資料中類別分布不均，使模型在少數類別上表現不佳； （不正確）
類別分布不均是類別不平衡（Class Imbalance）問題
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。
進階題備考建議
- ▶ 本題屬於進階難度，涉及技術原理的深入理解或跨領域整合應用，需要紮實的基礎。
- ▶ 進階題通常需要你綜合多個知識點才能判斷，建議建立知識圖譜，把相關概念串聯起來。
- ▶ 如果這題答錯了，建議回頭複習相關的基礎概念，確保每一層知識都沒有漏洞。
- ▶ 中級考試的進階題佔比較高，建議先把初級範圍的基礎打穩，再挑戰中級進階題。
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。
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。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師初級考試。 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。