iPAS 考題解析當模型的訓練誤差（Training Error）低、但測試誤差（Test Error）很大時，這通常是在訓練過程中產生下列哪一種情況？

解析

正確答案：B. 模型出現過度擬合（Overfitting）

訓練誤差低但測試誤差大是過擬合（Overfitting）的標準特徵：模型過度學習了訓練資料的雜訊和特異性，無法泛化到新資料。欠擬合表現為訓練和測試誤差都高；泛化能力強的模型訓練和測試誤差都應接近。

每個選項為什麼對或錯

• A 模型的泛化能力強 錯誤選項

  泛化能力強表示訓練和測試誤差都低。

• B 模型出現過度擬合（Overfitting） 正解

  訓練誤差低、測試誤差大是過擬合的標準表現，此為正確答案。

• C 模型出現欠擬合（Underfitting） 錯誤選項

  欠擬合時訓練誤差也高，不符合描述。

• D 訓練資料和測試資料之間沒有相關性 錯誤選項

  資料無相關性會使兩者都高，不符合描述。

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。