iPAS 考題解析在進行超參數調校（Hyperparameter Tuning）時，若直接在K-Fold交叉驗證（Cross-Validation）的資料上同時調整模型參數並評估效能，最可能導致下列哪一種問題？

解析

正確答案：A. 模型的交叉驗證結果出現過度樂觀偏差（Over-optimistic Bias），因測試摺資料間接參與參數選擇，造成資料洩漏（Data Leakage）

若用同一組K-Fold資料同時進行超參數調整和效能評估，驗證集實際上間接參與了模型選擇過程，造成資料洩漏，使評估結果過度樂觀。正確做法應採用巢狀交叉驗證（Nested Cross-Validation）或留出獨立測試集。

每個選項為什麼對或錯

• A 模型的交叉驗證結果出現過度樂觀偏差（Over-optimistic Bias），因測試摺資料間接參與參數選擇，造成資料洩漏（Data Leakage） 正解

  資料洩漏導致過度樂觀偏差正是最主要的問題，驗證集不應同時用於超參數選擇。

• B 模型會在每一摺（Fold）內反覆調整參數，導致訓練不穩與過度正則化 錯誤選項

  過度正則化是另一種問題，與直接在交叉驗證資料上調參的問題描述不符。

• C 因交叉驗證資料被重複使用，造成效能方差增大，無法獲得穩定估計 錯誤選項

  效能方差增大是可能的次要效果，但主要問題是資料洩漏造成的過度樂觀偏差。

• D K-Fold交叉驗證的假設與超參數搜尋相衝突，導致驗證過程失效 錯誤選項

  K-Fold與超參數搜尋並不衝突，關鍵在於是否正確隔離驗證集。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。