44. 關於配適不足（under-fitting），下列何者正確？
(A) 訓練誤差較大，測試誤差較小
(B) 訓練誤差較小，測試誤差較大
(C) 訓練誤差較大，測試誤差較大
(D) 訓練誤差較小，測試誤差較小

答案：登入後查看
統計： A(3), B(10), C(29), D(0), E(0) #3156413

詳解 (共 1 筆)

#6324641

答案是：
(C) 訓練誤差較大，測試誤差較大

解析：

配適不足 (Underfitting) 是指模型對訓練數據和測試數據的表現都很差，無法有效捕捉數據的特徵，通常是因為模型過於簡單或特徵不足，導致 泛化能力不足。

選項分析

(A) 訓練誤差較大，測試誤差較小 ❌錯誤

  • 如果訓練誤差大，測試誤差卻小，這種情況通常不會發生，因為測試誤差通常會比訓練誤差高或相近。

(B) 訓練誤差較小，測試誤差較大 ❌錯誤

  • 這是 過度配適 (Overfitting) 的特徵，表示模型過度學習訓練數據，但泛化能力不足，導致測試數據表現不佳。

(C) 訓練誤差較大，測試誤差較大 ✅正確

  • 這是 配適不足 (Underfitting) 的特徵，模型對訓練數據與測試數據都無法很好地擬合，導致高訓練誤差和高測試誤差。

(D) 訓練誤差較小，測試誤差較小 ❌錯誤

  • 這表示模型表現良好，既能在訓練數據上擬合良好，又能泛化到測試數據，這是理想的情況，不屬於 Underfitting。

結論

✔ 配適不足 (Underfitting) 的特徵是 (C) 訓練誤差較大，測試誤差較大。

ㅤㅤ
0
0