DI（資料不平衡）是什麼？
資料不平衡指訓練資料中各類別樣本數量差異懸殊，導致模型傾向預測多數類別，常用 SMOTE 過採樣或欠採樣等技術來處理
完整說明
資料不平衡（Data Imbalance / Class Imbalance）是機器學習中的常見問題，例如詐欺偵測中正常交易遠多於詐欺交易（比例可達 99:1）。解決策略：過採樣（SMOTE — 合成少數類別樣本）、欠採樣（隨機移除多數類別）、調整損失函數權重（Class Weight）、Focal Loss。評估指標應使用 F1-score、AUC-ROC 而非 Accuracy。
iPAS 考試出題分析
根據歷年 iPAS AI 應用規劃師考古題統計，資料不平衡 相關題目 屬於高頻考範圍。
延伸學習
立即測驗
想測試你對 資料不平衡 的掌握程度？ 開始模擬考
資料來源與參考依據
- iPAS AI 應用規劃師評鑑內容範圍參考（115.02 更新） — 經濟部產業人才能力鑑定
- AI 應用規劃師中級程式題型比重說明（114 年第二梯次起） — iPAS 官方公告
本頁考試相關資訊依官方文件整理，實際考試內容以官方公告為準。