iPAS 考題解析在優化器中，哪一個方法會自動調整每個參數的學習率，特別適用於稀疏資料？

解析

正確答案：B. Adagrad

Adagrad（Adaptive Gradient Algorithm）對每個參數累積歷史梯度的平方，使更新頻繁的參數（稠密特徵）學習率降低，更新稀少的參數（稀疏特徵）學習率保持較高，特別適用於稀疏資料（如 NLP 的詞嵌入）。Adam 也有自適應學習率但不是特別針對稀疏資料設計。

每個選項為什麼對或錯

• A Momentum 錯誤選項

  Momentum 累積梯度方向，但不自適應調整每個參數的學習率。

• B Adagrad 正解

  Adagrad 自動調整每個參數的學習率，特別適用於稀疏資料，此為正確答案。

• C Adam 錯誤選項

  Adam 結合動量和自適應學習率，是更通用的優化器，非專門針對稀疏資料。

• D SGD 錯誤選項

  SGD 使用固定學習率，不自適應調整。

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。