iPAS 考題解析
若評估一個新開發的腫瘤分類模型，其資料集中有80%的樣本來自良性病例。若直接使用5-fold交叉驗證（Cross-Validation）進行模型評估，可能導致模型效能評估出現偏差，為避免此問題，下列哪一種作法最合適？
中級 大數據處理分析與應用
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
- 大數據處理分析與應用
- 知識主題
- 大數據分析方法與工具
- 能力指標
- 常見的大數據分析方法（L22302）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「大數據分析方法與工具」範疇， 對應的能力指標為「常見的大數據分析方法」，涵蓋數據分析演算法、模式識別以及資料不平衡處理策略等核心知識點。 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
若評估一個新開發的腫瘤分類模型，其資料集中有80%的樣本來自良性病例。若直接使用5-fold交叉驗證（Cross-Validation）進行模型評估，可能導致模型效能評估出現偏差，為避免此問題，下列哪一種作法最合適？
- A. 降低K值以減少交叉驗證次數
- B. 改為使用拔靴法（Bootstrap）
- C. 調整測試集使良性樣本比例更高，以模擬真實分佈
- D. 使用分層交叉驗證（Stratified K-Fold Cross-Validation），以確保每折類別比例一致 ✓ 正確答案
詳細解析
正確答案：D. 使用分層交叉驗證（Stratified K-Fold Cross-Validation），以確保每折類別比例一致
資料類別不平衡（80%良性）時，普通K-fold的隨機分割可能使某些折的惡性樣本極少，導致評估不穩定。分層交叉驗證確保每折中各類別比例與整體資料集相同，評估更可靠。
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. 降低K值以減少交叉驗證次數 （不正確）
降低K值減少驗證次數，不能解決類別不平衡造成的每折分佈不均問題。
B. 改為使用拔靴法（Bootstrap） （不正確）
拔靴法適用於小樣本估計，但不能像分層K-fold那樣直接保證每折類別比例一致。
C. 調整測試集使良性樣本比例更高，以模擬真實分佈 （不正確）
調整測試集比例可能引入評估偏差，不如使用分層K-fold直接解決問題。
D. 使用分層交叉驗證（Stratified K-Fold Cross-Validation），以確保每折類別比例一致 （正確）
分層K-fold確保每折的類別比例與整體相同，是不平衡資料集的標準交叉驗證方法。
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。