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
在防止監督式學習模型過擬合（Overfitting）時，下列哪一種策略不屬於降低模型複雜度或限制學習能力的作法？
- A. 採用 L1 或 L2 正則化
- B. 在訓練過程中使用 Dropout 技術
- C. 採取早期停止（Early Stopping）機制
- D. 擴增輸入特徵變數以提升模型表達能力 ✓ 正確答案
詳細解析
正確答案：D. 擴增輸入特徵變數以提升模型表達能力
不屬於降低模型複雜度或限制學習能力的策略是：擴增輸入特徵變數以提升模型表達能力，增加特徵是在「擴充」模型的輸入空間，讓模型有更多東西可以學，與「限制學習能力」的方向完全相反。
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。
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/q26
開始準備 iPAS 考試
題目來源：114-2-mid-3/q26。 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。