iPAS 考題解析在機器學習中，「偏差與變異權衡（Bias-Variance Tradeoff）」主要用來解決下列哪一類型的問題？

解析

正確答案：D. 如何在模型偏差與變異之間取得平衡，以避免過度擬合或欠擬合

Bias-Variance Tradeoff 的核心是在模型的偏差（underfitting）與變異（overfitting）之間找到平衡點。高偏差代表欠擬合，高變異代表過擬合，需要調整模型複雜度來取得最佳泛化能力。

每個選項為什麼對或錯

• A 因資料來源或收集方式限制，導致模型學習到的資訊不足； 錯誤選項

  資料不足是資料收集的問題，與 Bias-Variance Tradeoff 的概念不同。

• B 測試資料樣本與訓練資料高度重複，造成模型泛化能力評估失準； 錯誤選項

  訓練與測試資料重複是資料分割的問題，屬於資料洩漏（Data Leakage）。

• C 訓練資料中類別分布不均，使模型在少數類別上表現不佳； 錯誤選項

  類別不均衡是資料分布的問題，通常用過採樣或欠採樣等方法處理。

• D 如何在模型偏差與變異之間取得平衡，以避免過度擬合或欠擬合 正解

  Bias-Variance Tradeoff 正是探討如何在偏差與變異間取得平衡，避免過擬合或欠擬合。

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。