iPAS 考題解析
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：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？
- A. L1 正則化
- B. L2 正則化
- C. Dropout ✓ 正確答案
- D. Batch Normalization
詳細解析
正確答案：C. Dropout
Dropout 在訓練時隨機「關閉」一部分神經元（mask=0），強迫模型不能過度依賴任何單一神經元，是防過擬合（Overfitting）的有效方法。
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. L1 正則化 （不正確）
L1 是在損失函數（Loss Function）中加入權重絕對值懲罰
B. L2 正則化 （不正確）
L2 是在損失函數（Loss Function）中加入權重平方懲罰
D. Batch Normalization （不正確）
Batch Normalization 是標準化（Standardization）每層的輸出，不是遮蔽神經元
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。
某零售公司希望利用顧客的年齡與每月消費金額，預測顧客是否為高價值顧客。提供相關資料 data.csv，包含欄位 Age、Spending、HighValue。請將下列程式碼片段依正確順序排序，以完成模型的建立與預測。 ``` a. from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) b. from sklearn.linear_model import LogisticRegression model = LogisticRegression() model.fit(X_train, y_train) c. import pandas as pd data = pd.read_csv("data.csv") X = data[["Age", "Spending"]] y = data["HighValue"] d. y_pred = model.predict(X_test) print("Predictions:", y_pred[:5]) ```
中級 機器學習技術與應用 難度 ★★★ 114 年
在優化器中，哪一個方法會自動調整每個參數的學習率，特別適用於稀疏資料？
中級 機器學習技術與應用 難度 ★★☆ 114 年
在進行模型訓練前，若針對資料中不同群體（例如分類標籤）之間樣本數量不平衡的情況進行比例調整，此方法通常屬於下列哪一種技術？
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。