iPAS 考題解析在不平衡資料集的分類問題中（如信用卡詐欺偵測，詐欺佔 0.1%），為何準確率（Accuracy）不是一個好的評估指標？

解析

正確答案：C. 即使模型將所有樣本預測為多數類，準確率也能達到 99.9%，無法反映少數類的偵測能力

在極端不平衡資料集（詐欺佔 0.1%）中，若模型將所有樣本預測為「非詐欺」，準確率可達 99.9%，但對詐欺完全無法偵測。此時應使用 F1 Score、AUC-ROC、Precision-Recall 曲線等對類別不平衡更敏感的指標。

每個選項為什麼對或錯

• A 準確率計算複雜，不適合不平衡資料 錯誤選項

  準確率計算並不複雜，問題在於它對不平衡類別不敏感。

• B 準確率無法反映模型的訓練速度 錯誤選項

  準確率與訓練速度無關。

• C 即使模型將所有樣本預測為多數類，準確率也能達到 99.9%，無法反映少數類的偵測能力 正解

  在不平衡資料中，只預測多數類也能獲得高準確率，無法反映少數類偵測能力，此為正確描述。

• D 準確率只適用於二元分類問題，不適合多類別問題 錯誤選項

  準確率可用於多類別問題，問題不在於此。

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。