中級 機器學習技術與應用
難度：未標示 114 年考題
題目與選項
在建立迴歸或分類模型時，若希望避免模型過度擬合（Overfitting），可透過加入正則化項以限制模型的複雜度。其中，L1 正則化（Lasso）的主要效果為何？
- A. 增加模型參數的數量，以提升表現靈活度
- B. 強化梯度穩定性，避免參數更新過度震盪
- C. 產生稀疏模型（Sparse Model），使部分參數權重收斂為零 ✓ 正確答案
- D. 提高學習率（Learning Rate），加速模型收斂速度
詳細解析
正確答案：C. 產生稀疏模型（Sparse Model），使部分參數權重收斂為零
L1 正則化（Lasso）的主要效果是讓部分參數的權重直接變成零，產生稀疏模型，相當於自動做特徵選擇，把不重要的特徵踢出去。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
在訓練非線性模型時，若目標函數為非凸函數（Non-convex Function），演算法在參數更新過程中可能出現多個極值點，導致最佳化結果不穩定。請問此時最可能發生下列哪一種情況？
中級 機器學習技術與應用 難度 未標示 114 年
某醫療機構開發疾病早期偵測模型，正樣本（確診病例）僅佔 3%。在模型訓練與評估過程中，下列哪一種作法最不適合用於提升對少數類病例的預測能力？
中級 機器學習技術與應用 難度 未標示 114 年
某銀行計畫與多家合作機構共同訓練一個 AI 信用風險預測模型，為避免客戶交易資料在傳輸與運算過程中外洩，技術團隊評估使用同態加密（Homomorphic Encryption）技術。下列何者最能正確描述同態加密在此應用中的關鍵特性？
中級 機器學習技術與應用 難度 未標示 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
資料來源
114-2-mid-3/q02
開始準備 iPAS 考試
題目來源：114-2-mid-3/q02。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。