iPAS 考題解析在深度學習訓練監控中，若觀察到訓練損失（Training Loss）持續下降但驗證損失（Validation Loss）在某個 epoch 後開始上升，這個現象最能說明什麼？

解析

正確答案：C. 模型出現過擬合，訓練集性能提升但泛化能力下降，應使用早停法或正則化

訓練損失持續下降但驗證損失在某 epoch 後開始上升，這是過擬合（Overfitting）的標準特徵：模型開始記憶訓練資料的雜訊，在訓練集上表現越來越好，但泛化到未見資料的能力下降。標準解決方案：早停法（在交叉點附近停止訓練）、加強正則化（L1/L2/Dropout）、增加訓練資料。

每個選項為什麼對或錯

• A 模型出現欠擬合，需要增加模型容量（更多層或神經元） 錯誤選項

  欠擬合表現為訓練和驗證損失都高，不是訓練損失低但驗證損失上升。

• B 學習率設定過低，需要提高學習率 錯誤選項

  學習率過低會使收斂緩慢，不會造成驗證損失上升。

• C 模型出現過擬合，訓練集性能提升但泛化能力下降，應使用早停法或正則化 正解

  訓練損失降、驗證損失升是過擬合的標準表現，早停法或正則化是正確解法。

• D 資料不平衡導致驗證集評估不穩定，需要重新取樣 錯誤選項

  資料不平衡會影響整體評估，但不會造成訓練/驗證損失的這種分叉模式。

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。