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？

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。

每個選項為什麼對或錯

• A 降低K值以減少交叉驗證次數 錯誤選項

  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） 錯誤選項

  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 錯誤選項

  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 正解

  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。

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。