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？

解析

正確答案：B. 對訓練影像進行旋轉、翻轉等隨機變化

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。

每個選項為什麼對或錯

• A 增加模型的深度與參數量，使模型學習更多細節 錯誤選項

  增加模型深度與參數量會使模型更複雜，可能加劇過擬合。

• B 對訓練影像進行旋轉、翻轉等隨機變化 正解

  對訓練影像進行旋轉、翻轉等資料增強可增加多樣性，減緩過擬合（正確答案）。

• C 提高訓練速度，使模型更快完成學習 錯誤選項

  提高訓練速度不能解決過擬合問題。

• D 僅保留模型表現較好的訓練資料 錯誤選項

  僅保留表現好的資料會減少訓練資料量，可能加劇過擬合。

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。