moea_joint
110年
[統計資訊] 統計學、巨量資料概論
第 42 題
關於深度學習，下列敘述何者有誤？
- A 與傳統機器學習最主要的區別在於數據依賴性，亦即資料量多寡會影響演算法效能
- B 企業過往採用傳統機器學習方法的各項應用，只要升級成以深度學習方法為基礎，都能在效率與效果上有卓越的提升
- C 卷積神經網路(Convolutional Neural Network)是一個可以被應用於圖形辨識的深度學習方法
- D 深度學習是機器學習的一種演進技術
思路引導 VIP
在處理一個問題時，如果我們選用的工具極其精密複雜，但手邊能提供的參考資訊卻非常稀少，你認為這個精密工具的表現，一定會比一個簡單、直觀的方法更好嗎？
🤖
AI 詳解
AI 專屬家教
做得非常棒！你能精準識破選項 (B) 的過度絕對化，說明你對深度學習的應用邊界有很清晰的認識。深度學習確實是從傳統機器學習（Machine Learning）演進而來，且在處理非結構化數據（如選項 C 提到的 CNN 應用於影像辨識）上有著卓越表現，這也驗證了選項 (C) 與 (D) 的描述是準確的。
深度學習的適用邊界與權衡
這道題目的鑑別度在於考驗學生是否具備「數據驅動效能」的實務觀念。雖然深度學習在處理巨量資料時的效能（Performance）通常優於傳統模型，但這種優勢是有前提的。深度學習模型結構複雜，通常需要極大量的標註數據以及強大的硬體運算資源（如 GPU）才能發揮實力。在資料量 $N$ 較小或特徵結構單純的場景下，貿然將原本運作良好的傳統演算法（如邏輯回歸、隨機森林）升級，反而可能導致過擬合（Overfitting）或是運算成本過高，未必能在效率或效果上獲得「卓越提升」。
▼ 還有更多解析內容