iPAS 考題解析
程式碼 sum((y_true - y_pred)**2) / len(y_true) 計算的是什麼指標？
中級 機器學習技術與應用
難度：進階 ★★★★
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 機器學習技術與應用
- 知識主題
- 機器學習基礎數學
- 能力指標
- 機率/統計之機器學習基礎應用（L23101）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「機器學習技術與應用」科目中的「機器學習基礎數學」範疇， 對應的能力指標為「機率/統計之機器學習基礎應用」，涵蓋數據的數學分佈特性、變異解釋等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
程式碼 sum((y_true - y_pred)**2) / len(y_true) 計算的是什麼指標？
- A. MAE
- B. MSE ✓ 正確答案
- C. RMSE
- D. R²
詳細解析
正確答案：B. MSE
MSE = Σ(真實值 - 預測值)² / n。先算每筆的誤差平方，加總後除以筆數。這正是 MSE（均方誤差（Mean Squared Error, MSE））的定義。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. MAE （不正確）
MAE 用的是絕對值 |y_true - y_pred|，不是平方
C. RMSE （不正確）
RMSE 還需要開根號 √MSE
D. R² （不正確）
R² 需要和基準模型（平均值）的 SST 比較
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
程式碼中用二項式分佈(Binomial)產生 mask 來隨機遮蔽神經元，這是什麼技術？
中級 機器學習技術與應用 難度 ★★★★
在 MapReduce 計算框架中，關於 Map 和 Reduce 所負責處理資料的問題，下列敘述何者正確？
中級 機器學習技術與應用 難度 ★★☆ 114 年
以下 Python 程式碼的執行結果為何？ ```python import numpy as np y_true = np.array([3, -0.5, 2, 7]) y_pred = np.array([2.5, 0.0, 2, 8]) mse = np.mean((y_true - y_pred) ** 2) print(round(mse, 4)) ```
中級 機器學習技術與應用 難度 ★★★ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。