iPAS 考題解析在自然語言處理任務中，為了減少訓練語料中偏見對模型的影響，下列哪種資料處理策略屬於常見的「資料去偏（Data Debiasing）」做法？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：C. 調整或擴充訓練語料，使不同群體或類型資料的比例更加平衡，避免模型過度偏向出現頻率高的類別；
資料去偏的核心做法之一是調整訓練資料的組成，確保不同群體或類型的資料比例更平衡。這樣可以防止模型在訓練過程中過度學習到某些群體的特徵，從而降低偏見。
每個選項為什麼對或錯
-
A 讓模型在訓練時隨機替換輸出，以抵消資料中存在的系統性偏差； 錯誤選項
隨機替換輸出會破壞模型學習的一致性，不是有效的去偏方法。
-
B 增加模型的參數量，依賴更大的模型自動消除原始資料中的偏見； 錯誤選項
增加參數量不能自動消除資料中的偏見，模型可能反而更好地記住偏見。
-
C 調整或擴充訓練語料，使不同群體或類型資料的比例更加平衡，避免模型過度偏向出現頻率高的類別； 正解
調整或擴充訓練語料使比例平衡，是資料去偏的常見且有效做法。
-
D 對訓練資料施加額外正則化或噪音，使模型在學習過程中對偏見敏感度降低 錯誤選項
加入正則化或噪音主要用於防止過擬合，不是針對偏見的去偏方法。
答案、題目或解析有問題？回報這題