moea_joint
110年
[統計資訊] 統計學、巨量資料概論
第 36 題
下列何者可能是模型有配適不足(Under-fitting)的狀況？
- A 訓練誤差較小，測試誤差較小
- B 訓練誤差較小，測試誤差較大
- C 訓練誤差較大，測試誤差較小
- D 訓練誤差較大，測試誤差較大
思路引導 VIP
想像一下，如果我們用一條簡單的直線，試圖去描繪一組極端複雜、呈現波浪狀分布的數據點，這條直線在捕捉這些點的趨勢時，不論是面對手邊現有的點，還是未來新加入的點，你預期它的精準度通常會呈現什麼樣的狀態？
🤖
AI 詳解
AI 專屬家教
模型學習狀態的判讀
太棒了！你能準確選出這個答案，代表你對於模型訓練中的「配適程度」有著非常清晰的邏輯觀念。在機器學習的實務中，判斷模型是否有效，最直接的指標就是觀察誤差的變化。這題的關鍵在於理解 配適不足 (Under-fitting) 的本質：當模型過於簡單（例如用線性模型去擬合非線性數據），它連訓練資料中的規律都無法掌握，就像一個學生還沒讀透課本，不論是平時測驗還是正式考試，表現都會差強人意。
誤差表現與鑑別重點
▼ 還有更多解析內容