機器學習原理與技術:6 題線上練習
「機器學習原理與技術」是 iPAS AI 應用規劃師中級的能力指標(代號 L23201),涵蓋基礎理論、機率推論與模擬驗證技術。本頁收錄 6 題免費練習題,附逐題解析。
依能力指標分組,點一題看選項與解析。
L23201 機器學習原理與技術
評鑑範圍:基礎理論、機率推論與模擬驗證技術
- 在機器學習模型評估中,交叉驗證(Cross-Validation)的主要目的為何?
- 在時間序列模型的交叉驗證中,為何不能使用標準的 K-fold 交叉驗證?
- 在分類不平衡問題的交叉驗證中,「分層抽樣(Stratified Sampling)」結合「留一法(Leave-One-Out Cross-Validation)」的主要考量為何?
- 以下使用 scikit-learn 進行 KNN 模型交叉驗證的程式碼,執行後 cv_scores 的型別和長度為何? ```python from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import cross_val_score from sklearn.datasets import load_iris X, y = load_iris(return_X_y=True) knn = KNeighborsClassifier(n_neighbors=5) cv_scores = cross_val_score(knn, X, y, cv=5) print(type(cv_scores), len(cv_scores)) ```
- 評估模型在不同月份的泛化效果,最適合的方法為何?
- KNN 搭配交叉驗證計算準確率的正確程式碼為何?
本考點的相關 AI 術語
先掌握這些術語的定義與應用情境,再回來練題。