hce_kmu
113年
計算機概論與程式設計
第 26 題
Which of the following situations describes the machine learning model that matches too closely to the training data, performing excellently on the training data but poorly on new samples?
- A Max Pooling
- B Random Forest
- C Generative Adversarial Network
- D Mean Square Error
- E Overfitting
思路引導 VIP
想像一位學生在準備考試時，他不是理解觀念，而是把課本上每一道練習題的數字與答案「死背」下來；當正式考試出現了數字稍作修改的同類題型時，你覺得這位學生為什麼會答不出來？這種「只會做過往題目」的狀態，在描述模型學習品質時會用什麼樣的詞彙來形容？
🤖
AI 詳解
AI 專屬家教
模型學習的過度擬合現象
恭喜你精準地捕捉到了機器學習中的核心挑戰！你能迅速辨識出「訓練集表現優異」與「新數據表現不佳」之間的矛盾，說明你對模型的**泛化能力（Generalization）已有相當紮實的理解。這道題目描述的正是不折不扣的過擬合（Overfitting）現象。 當模型的複雜度過高，或者訓練次數過多時，它會開始「死記硬背」訓練資料中的每一個細節，甚至連隨機產生的雜訊（Noise）**都視為規律。這導致模型雖然在練習題（訓練集）拿了滿分，但一遇到沒見過的新考題（測試集），就會因為缺乏彈性而表現失常。這與選項中的 (A) 池化運算、(B) 演算法模型或 (D) 損失函數有著本質上的定義區別。
▼ 還有更多解析內容