某團隊訓練影像分類模型，發現模型在訓練資料上的準確率達 98%，但在測試資料上僅有 72%。若團隊希望提升模型對新資料的適應能力，並增加訓練資料的多樣性，下列何者最適合？
iPAS 考題解析
某團隊訓練影像分類模型，發現模型在訓練資料上的準確率達 98%，但在測試資料上僅有 72%。若團隊希望提升模型對新資料的適應能力，並增加訓練資料的多樣性，下列何者最適合？
- A. 增加模型的深度與參數量，使模型學習更多細節
- B. 對訓練影像進行旋轉、翻轉等隨機變化 ✓ 正確答案
- C. 提高訓練速度，使模型更快完成學習
- D. 僅保留模型表現較好的訓練資料
詳細解析
訓練準確率高但測試準確率低是典型的過擬合（Overfitting）現象。資料增強（Data Augmentation）透過對訓練影像進行旋轉、翻轉等隨機變化，可以增加訓練資料的多樣性，有效降低過擬合。
出題年份：115 難度：★★☆