iPAS 考題解析在處理分類問題時，若某一類樣本數明顯少於其他類別，研究人員可能採用隨機過採樣（Random Oversampling）以平衡資料比例，此方法最常造成下列哪一種問題？

解析

正確答案：A. 增加過擬合風險

隨機過採樣是將少數類樣本重複複製，導致模型反覆看到相同的少數類樣本，容易記憶這些特定樣本而產生過擬合（Overfitting），在測試集或新資料上表現下降。

每個選項為什麼對或錯

• A 增加過擬合風險 正解

  重複複製少數類樣本使模型過度記憶這些樣本，是隨機過採樣最常見的過擬合風險。

• B 降低模型的收斂速度 錯誤選項

  過採樣不影響收斂速度的計算機制，收斂速度主要與學習率和模型結構有關。

• C 減少資料總筆數數量 錯誤選項

  過採樣是增加資料量，不會減少筆數。

• D 導致訓練資料欄位缺失 錯誤選項

  過採樣不會影響欄位完整性，不會導致欄位缺失。

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。