阿摩線上測驗
登入
首頁
>
巨量資料概論
>
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_人工智慧技術應用:巨量資料概論與智慧電網#129312
> 試題詳解
41.下列何評估指標最適合用在不平衡資料集之模型評估?
(A) F1-score
(B) Precision
(C) Recall
(D) ROC-AUC
答案:
登入後查看
統計:
A(1), B(0), C(0), D(1), E(0) #3505680
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/09/08
#6678236
1. 題目解析: 此題考察在不平衡資料集...
(共 560 字,隱藏中)
前往觀看
0
0
相關試題
42.區塊鏈技術於智慧電網中可提供下列何種服務? (A)增加電力需求 (B)減少網路流量 (C)減少再生能源使用 (D)能源交易透明化
#3505681
43.下列何種情境最適合使用層次式集群(Hierarchical Clustering)方法? (A)資料呈線性分佈 (B)資料集規模非常大 (C)需事先定義集群數量 (D)欲保留集群過程中的資料關聯
#3505682
44.下列何者非屬交叉驗證(Cross Validation)之主要用途? (A)避免過度擬合(Over-fitting) (B)尋找模型適合的參數 (C)使用不同的資料組合驗證訓練模型 (D)讓兩人以上相互檢驗資料的正確性
#3505683
45.下列何者可能影響高維資料之特徵選擇效果? (A)欠擬合 (B)梯度消失 (C)多重共線性 (D)隨機初始化問題
#3505684
46.深度學習模型中,下列何激活函數最適合解決梯度消失的問題? (A) ReLU (B) Tanh (C) Sigmoid (D) Softmax
#3505685
47.訓練深度學習模型時,下列何者為當學習率過大最可能導致的結果? (A)模型收斂速度過慢 (B)模型無法收斂或收斂到次優解 (C)模型權重更新過小,無法收斂 (D)模型精確度過高,導致過度擬合
#3505686
48.下列何技術用於同時進行降維與特徵選擇的正則化方法? (A) Lasso 迴歸 (B) Ridge 迴歸 (C) K-means (D) K-Nearest Neighbors
#3505687
49.下列何者非屬資料倉儲的特性? (A)主題導向 (B)經過整合 (C)需經常修改 (D)依循時間變動
#3505688
50.下列何者不適用於資料的相關性分析? (A)卡方檢定 (B)變異係數 (C)共變異數 (D)相關係數
#3505689
1. IPv6 地址長度為多少位元(bits)? (A) 64 bits (B) 128 bits (C) 256 bits (D) 512 bits
#3505690
相關試卷
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_人工智慧技術應用:巨量資料概論與智慧電網#129312
2024 年 · #129312
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料應用:人工智慧、智慧電網與巨量資料概論#129272
2024 年 · #129272
112年 - 112 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料運用:巨量資料概論與智慧電網#129351
2023 年 · #129351