iPAS 考題解析某金融科技公司正開發一套違約風險預測系統，需大量處理不同客戶的財務特徵資料。考量到資料特徵數量眾多，且希望提升預測的穩定性與泛化能力，下列哪一種鑑別式 AI 模型最適合？

解析

正確答案：D. 隨機森林（Random Forest）

隨機森林透過多棵決策樹的集成（Ensemble），能有效處理高維特徵資料，並透過 Bagging 和隨機特徵選擇提升預測的穩定性與泛化能力，降低單一決策樹的過擬合風險。

每個選項為什麼對或錯

• A 邏輯迴歸（Logistic Regression）； 錯誤選項

  邏輯迴歸在高維特徵下可能需要大量特徵工程，且穩定性不如集成方法。

• B 支援向量機（Support Vector Machine）； 錯誤選項

  SVM 在高維空間中表現良好，但計算成本較高且不如隨機森林穩定。

• C 決策樹（Decision Tree）； 錯誤選項

  單一決策樹容易過擬合，穩定性和泛化能力不如隨機森林。

• D 隨機森林（Random Forest） 正解

  隨機森林透過集成多棵決策樹，有效提升穩定性與泛化能力，最適合此場景。

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。