iPAS AI 應用規劃師

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?

中級 人工智慧技術應用與規劃 難度:中等 ★★☆ 114 年考題

考試範圍定位

考試等級
中級能力鑑定
考試科目
AI 技術應用與規劃
知識主題
AI 相關技術應用
能力指標
自然語言處理技術與應用(L21101)

本題屬於 iPAS AI 應用規劃師中級能力鑑定「AI 技術應用與規劃」科目中的「AI 相關技術應用」範疇, 對應的能力指標為「自然語言處理技術與應用」,涵蓋NLP、文本分類、情感分析、NER、機器翻譯等核心知識點。 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?

  • 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) ✓ 正確答案
  • 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
  • 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
  • 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

詳細解析

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。

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. 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) (正確)

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 (不正確)

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 (不正確)

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 (不正確)

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。

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。

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。