iPAS 考題解析在機器學習實踐中，「取樣偏差（Sampling Bias）」可能導致什麼問題？

解析

正確答案：C. 訓練資料不能代表真實世界的資料分佈，導致模型在實際部署時表現不佳

取樣偏差是指訓練資料的收集方式導致其分佈與真實世界不一致（如只收集某類客群的資料、某時間段的資料等），使模型學到的模式無法泛化到真實環境，造成部署後性能顯著下降。

每個選項為什麼對或錯

• A 模型的推論速度變慢 錯誤選項

  取樣偏差影響資料代表性，不直接影響推論速度。

• B 訓練資料量增加導致過擬合 錯誤選項

  取樣偏差影響資料分佈，不是資料量問題。

• C 訓練資料不能代表真實世界的資料分佈，導致模型在實際部署時表現不佳 正解

  取樣偏差使訓練資料不能代表真實分佈，導致部署性能差，此為正確描述。

• D 特徵之間出現多重共線性問題 錯誤選項

  多重共線性是特徵間相關性問題，與取樣偏差不同。

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。