阿摩線上測驗
登入
首頁
>
iPAS◆AI應用規劃師◆初級
>
114年 - iPAS AI應用規劃師備考題目整理題庫:應用規劃師(初級)-參考指引-科目 1#126932
> 試題詳解
24 交叉驗證的主要目的是什麼?
(A) 提高模型的訓練速度
(B) 驗證數據是否線性可分
(C) 減少模型的過擬合風險
(D) 測試模型的容錯能力
答案:
登入後查看
統計:
A(9), B(65), C(417), D(40), E(0) #3434897
詳解 (共 2 筆)
。
B1 · 2025/05/17
#6423719
正確答案是:(C) 減少模型的過擬合風...
(共 442 字,隱藏中)
前往觀看
10
0
鯨
B2 · 2025/07/08
#6527735
什麼是交叉驗證 (Cross-Vali...
(共 2061 字,隱藏中)
前往觀看
6
0
相關試題
25 機器學習的梯度下降演算法主要用於什 麼? (A) 減少模型的計算複雜度 (B) 優化模型參數以最小化損失函數 (C) 減少數據中的雜訊干擾 (D) 增強數據特徵的表示能力
#3434898
26 線性迴歸模型最適合解決哪種類型的問 題? (A) 圖像分類 (B) 銷售額預測 (C) 聚類分析 (D) 遊戲策略學習
#3434899
27 決策樹的最大優勢是什麼? (A) 適合大規模數據的訓練 (B) 具有良好的可解釋性 (C) 不需要進行數據標準化 (D) 適用於圖像生成任務
#3434900
28 神經網路與傳統機器學習模型的主要區別是什麼? (A) 神經網路無法處理非線性數據 (B) 神經網路透過多層結構學習複雜特徵 (C) 神經網路只適用於迴歸問題 (D) 神經網路不需要大量數據支持
#3434901
29 下列關於生成對抗網路(GAN)的描述正確的是哪一項? (A) GAN 僅用於分類問題 (B) GAN 由生成器和鑑別器組成 (C) GAN 的結果始終高度可解釋 (D) GAN 不能生成高品質的數據
#3434902
30 隨機森林(Random Forest)改進了單一決策樹的缺陷,主要透過什麼方法實現? (A) 使用核函數映射高維空間 (B) 集成多棵隨機生成的決策樹並投票 (C) 增加模型參數以減少偏差 (D) 採用生成模型替代分類器
#3434903
31 "下列何者為鑑別式 AI的主要目標?" (A) 學習數據的生成過程 (B) 生成類似真實數據的新樣本 (C) 分類或迴歸數據 (D) 創建多樣化的數據分佈
#3434904
32 "下列何者屬於生成式 AI 使用之模型?" (A) "支援向量機 (SVM)" (B) "邏輯迴歸 (Logistic Regression)" (C) 生成對抗網路(GAN) (D) "隨機森林 (Random Forest)"
#3434905
33 關於目前生成式 AI 的主要應用,不包括下列哪一項? (A) 創建合成數據樣本 (B) 模擬數據分佈 (C) 分類醫學影像 (D) 生成文本
#3434906
34 生成對抗網路(GAN)的兩個核心組件是什麼? (A) 編碼器與解碼器 (B) 分類器與生成器 (C) 生成器與鑑別器 (D) 訓練器與推斷器
#3434907
相關試卷
115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第二科:生成式 AI 應用與規劃#139147
2026 年 · #139147
115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第一科:人工智慧基礎概論#139146
2026 年 · #139146
114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題_第二科:生成式 AI 應用與規劃#139148
2025 年 · #139148
114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題_第一科:人工智慧基礎概論#139118
2025 年 · #139118
114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目二:生成式 AI 應用與規劃#132596
2025 年 · #132596
114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目一:人工智慧基礎概論#132595
2025 年 · #132595
114年 - iPAS◆AI應用規劃師◆初級-科目1-L1101#130994
2025 年 · #130994
114年 - iPAS AI應用規劃師初級能力鑑定_科目二:生成式 AI 應用與規劃#128027
2025 年 · #128027
114年 - iPAS AI應用規劃師初級能力鑑定_科目一:人工智慧基礎概論#128026
2025 年 · #128026
114年 - iPAS AI應用規劃師能力鑑定初級考試試題#127151
2025 年 · #127151