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？
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？
- 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
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。
出題年份：114 難度：★★☆