iPAS 考題解析在機器學習中，「標籤偏差（Label Bias）」主要指的是什麼問題？

解析

正確答案：B. 訓練資料的標籤標注受標注者主觀偏見或系統性錯誤影響，導致模型學到偏差的模式

標籤偏差是指訓練資料的標籤標注過程中存在系統性偏差，如人工標注者的主觀偏見、歷史歧視性決策的延續等，導致模型學到並放大這些偏差，在實際應用中產生不公平或不準確的結果。

每個選項為什麼對或錯

• A 訓練資料中某類別樣本數量遠多於其他類別的不平衡問題 錯誤選項

  類別不平衡是資料不平衡問題，不是標籤偏差。

• B 訓練資料的標籤標注受標注者主觀偏見或系統性錯誤影響，導致模型學到偏差的模式 正解

  標籤偏差指標注過程中的系統性偏見影響模型學習，此為正確描述。

• C 模型對特定特徵過度敏感導致的過擬合問題 錯誤選項

  對特定特徵敏感是過擬合或特徵選取問題。

• D 模型在訓練集和測試集上性能差異過大的問題 錯誤選項

  訓練測試性能差異是泛化問題，與標籤偏差不同。

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。