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？
iPAS 考題解析
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？
- 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；
- 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；
- 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；
- 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
詳細解析
不平衡資料（Imbalanced Data）會導致模型偏向多數類別，忽視稀有類別（高價商品），造成稀有類別的召回率（Recall）大幅降低。
難度：★★★