對於機器學習中的過擬合(Overfitting)問題，下列敘述何者正確？
A訓練資料與測試資料的誤差皆低
B增加訓練資料量一定會導致過擬合
C模型對噪音資料完全忽略
D訓練資料誤差低，但測試資料誤差高正確答案
答案與詳解
逐選項解析
A訓練資料與測試資料的誤差皆低良好擬合✕ 錯誤
訓練與測試誤差皆低，代表模型泛化能力好，屬於理想的「良好擬合（Good fit）」狀態，而非過擬合。
B增加訓練資料量一定會導致過擬合解決過擬合方法✕ 易錯陷阱
增加多樣性的訓練資料量，通常有助於模型學習更普遍的特徵，反而是「減少」過擬合的常見方法之一。
C模型對噪音資料完全忽略✕ 錯誤
D訓練資料誤差低，但測試資料誤差高✓ 正確
立即註冊,看完整詳解
這題的完整詳解,註冊就能看 · 每天 2 題免費
- 完整逐選項解析
- 秒殺解題技巧與破題關鍵
- 關鍵知識表整理
- 陷阱與易錯提醒
- 同考點歷屆題庫連續刷題與錯題本
立即註冊觀看完整詳解 已有帳號?登入
