iPAS 考題解析某銀行建立 AI 詐欺交易偵測模型。歷史交易資料中，詐欺樣本比例極低，導致模型訓練時偏向預測為「正常交易」。資料科學團隊評估採用 SMOTE（Synthetic Minority Over-sampling Technique）改善訓練資料分佈。下列何者最符合 SMOTE 技術的主要功能？

解析

正確答案：B. 依據少數類別樣本的特徵空間，合成產生新的少數類別樣本

SMOTE 的核心原理是在少數類別樣本的特徵空間中，透過插值方式合成新的少數類別樣本，從而平衡訓練資料中的類別分佈。這與刪除多數類別（Undersampling）或調整損失權重不同。

每個選項為什麼對或錯

• A 透過隨機刪除部分正常交易資料，以降低類別失衡程度 錯誤選項

  刪除多數類別樣本屬於 Undersampling 技術，不是 SMOTE 的做法。

• B 依據少數類別樣本的特徵空間，合成產生新的少數類別樣本 正解

  SMOTE 透過在少數類別樣本間插值來合成新樣本，這正是其核心功能（正確答案）。

• C 調整模型的損失函數（Loss Function）權重，使誤判少數類別時的懲罰提高 錯誤選項

  調整損失函數權重是 Cost-sensitive Learning 的方法，與 SMOTE 不同。

• D 以交叉驗證（Cross-validation）方式重新分割資料集，使各折資料類別比例一致 錯誤選項

  交叉驗證是模型評估方法，不是資料平衡技術。

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。