關於機器學習演算法，下列敘述何者有誤？
AAdaBoost透過調整訓練資料(training data) 被抽樣到的機率以提升效能
BK-Nearest Neighbor可用於監督式學習
C決策樹(decision tree)可以不是二元樹(binary tree)
D過度解讀(overfit)可提升機器學習演算法之準確率，故大部分機器習演算法皆嘗試過度解讀訓練資料正確答案
答案與詳解
為什麼答案是 D
Overfit（過度擬合）雖然會讓訓練集準確率升高，但在測試集或新資料上泛化能力差、準確率反而下降。絕大多數演算法（如正則化、Dropout、剪枝、交叉驗證等）都是為了『防止』Overfit，而非追求它，故此敘述有誤，為正解。
考點：AdaBoost機制考點：KNN監督式學習考點：決策樹結構考點：Overfit錯誤觀念
載入中…
