7. 以下何者是深度學習模型過度擬合(Overfitting)的現象？
(A) 訓練集與測試集的準確率皆極低
(B) 訓練集準確率高但測試集準確率低
(C) 測試集準確率高但訓練集準確率低
(D) 訓練速度過慢且準確率穩定

答案：登入後查看
統計： A(2), B(14), C(3), D(4), E(0) #3447874

詳解 (共 1 筆)

#6443749

在深度學習中，**過度擬合（Overfitting）**是指模型在訓練資料上表現得非常好，甚至達到了很高的準確率，但卻無法很好地泛化到新的、未見過的資料（即測試資料）上。換句話說，模型學習了訓練資料中的「雜訊」和特定細節，而不是資料背後的普遍規律。

讓我們分析各選項：

  • (A) 訓練集與測試集的準確率皆極低 這表示模型欠擬合（Underfitting），或者模型根本沒有學到任何有用的模式。它在訓練集上表現不好，自然在測試集上也不會好。

  • (B) 訓練集準確率高但測試集準確率低 這正是過度擬合的典型現象。模型在訓練時「記住了」訓練資料的每一個細節，導致它對訓練資料的表現極佳，但由於沒有學到通用性，在面對新的測試資料時表現不佳。

  • (C) 測試集準確率高但訓練集準確率低 這種情況極為罕見且通常不被視為一種正常的模型行為。如果發生，很可能是資料分割、評估方式或程式碼中存在錯誤。一個在訓練資料上表現不佳的模型，通常不會在測試資料上表現良好。

  • (D) 訓練速度過慢且準確率穩定 訓練速度過慢可能與模型複雜度、資料量或硬體限制有關，而準確率穩定（如果最終達到高且可接受的準確率）通常是模型收斂的表現，與過度擬合沒有直接關係。

因此，深度學習模型過度擬合的現象是「訓練集準確率高但測試集準確率低」。

The final answer is B​

0
0