中五 ICT:人工智能与机器学习错题重练十题 2026-11-20 导师备课指引 · 小学数学 中五 ICT:人工智能与机器学习错题重练十题 第四份把最常见的十个误解逐题改正:以训练准确率代替测试、重数量轻标签、以为模型自动解释、反复用测试集调参、层数越多越好、把相关当因果、上线后停止监控、缺失值一律填零、不平衡资料只看准确率、以及以为系统必然中立。 错题重练:十个必改的模型误解 本分逐题改正十个常见误解:以为训练准确率九成九就等于可靠,实际要看测试集;以为资料越多越好而忽略标签品质;以为模型会自动解释判断;以为测试集可反复调参;以为层数与参数越多必然越好;把相关当成因果;以为上线后不需监控;把缺失值一律填零;在不平衡资料只看准确率;以及以为人工智能输出必然客观中立。每一项都附正解与一句解说,便于对照温习。 01 本卷资料(做完才看答案) 项目 内容 题数 10 建议时间 25 难度分布 基础 3 · 进阶 3 · 挑战 3 · 错题重练 1 对应章节 所属章节:中五 ICT:人工智能与机器学习 适用年级 错题重练(10 题) 02 题目(10 题) 基础“模型训练准确率达九成九,实际使用一定可靠”是否正确? 基础“资料越多越好,不必理会标签品质”是否正确? 基础“机器学习模型会自动解释自己的判断原因”是否正确? 进阶“测试集可以反复用来调参,直至分数理想”是否正确? 进阶“层数越多、参数越多的模型一定更好”是否正确? 进阶“两个变数相关,就代表前者导致后者”是否正确? 挑战“模型上线后不需要再监控”是否正确? 挑战“缺失值一律填零最简单可靠”是否正确? 挑战“资料不平衡时,准确率足以评估模型”是否正确? 错题重练“人工智能系统的输出必然客观中立”是否正确? 03 答案与一句解说 题号 答案 一句解说 1 不正确,须看测试集与真实资料的表现。 高训练准确率可能只是记住了训练样本,未代表能泛化。 2 不正确,错误标签会直接把模型教错。 清洗与标注品质往往比单纯增加数量更关键。 3 不正确,多数模型只输出结果,解释须另行分析。 可解释性要专门设计,或借助特征重要性等工具。 4 不正确,反复调参会令测试集失去检验作用。 应另留验证集调参,测试集只在最后使用一次。 5 不正确,模型规模要与资料量和任务难度匹配。 过大的模型在小资料上更容易过拟合,训练成本亦更高。 6 不正确,相关不等于因果。 须以对照实验或领域知识判断因果方向。 7 不正确,资料分布改变会令表现逐步下滑。 须持续监测指标,并定期以新资料重新训练。 8 不正确,填值方式会改变结果,须按字段意义处理。 可考虑平均数、中位数或模型填补,并记录所用方法。 9 不正确,应同时看召回率与 F1。 全部猜多数类也可得极高准确率,实际毫无用途。 10 不正确,训练资料中的偏见会被模型放大。 须检查资料来源,并比较不同群体的表现差异。 04 做完之后怎样跟进 对完答案,只重做错的那几题,并在错题旁写出错在哪一步(公式、单位还是抄错数)。 同一题隔两日再做一次;两次都对才可以移到下一份练习。 家长只需看答案栏与解说栏,不必逐题讲解。 想亲手计一次精确率与召回率?预约 TutorZone 导师,用 25 分钟把十题的算式与图表逐一讲清。导师登记 → 本卷题目与答案由 TutorZone 团队原创编写,并非任何学校、出版社或考试局的试题;数值与答案均以程式核算。
中五 ICT:人工智能与机器学习错题重练十题 2026-11-20 导师备课指引 · 小学数学 中五 ICT:人工智能与机器学习错题重练十题 第四份把最常见的十个误解逐题改正:以训练准确率代替测试、重数量轻标签、以为模型自动解释、反复用测试集调参、层数越多越好、把相关当因果、上线后停止监控、缺失值一律填零、不平衡资料只看准确率、以及以为系统必然中立。 错题重练:十个必改的模型误解 本分逐题改正十个常见误解:以为训练准确率九成九就等于可靠,实际要看测试集;以为资料越多越好而忽略标签品质;以为模型会自动解释判断;以为测试集可反复调参;以为层数与参数越多必然越好;把相关当成因果;以为上线后不需监控;把缺失值一律填零;在不平衡资料只看准确率;以及以为人工智能输出必然客观中立。每一项都附正解与一句解说,便于对照温习。 01 本卷资料(做完才看答案) 项目 内容 题数 10 建议时间 25 难度分布 基础 3 · 进阶 3 · 挑战 3 · 错题重练 1 对应章节 所属章节:中五 ICT:人工智能与机器学习 适用年级 错题重练(10 题) 02 题目(10 题) 基础“模型训练准确率达九成九,实际使用一定可靠”是否正确? 基础“资料越多越好,不必理会标签品质”是否正确? 基础“机器学习模型会自动解释自己的判断原因”是否正确? 进阶“测试集可以反复用来调参,直至分数理想”是否正确? 进阶“层数越多、参数越多的模型一定更好”是否正确? 进阶“两个变数相关,就代表前者导致后者”是否正确? 挑战“模型上线后不需要再监控”是否正确? 挑战“缺失值一律填零最简单可靠”是否正确? 挑战“资料不平衡时,准确率足以评估模型”是否正确? 错题重练“人工智能系统的输出必然客观中立”是否正确? 03 答案与一句解说 题号 答案 一句解说 1 不正确,须看测试集与真实资料的表现。 高训练准确率可能只是记住了训练样本,未代表能泛化。 2 不正确,错误标签会直接把模型教错。 清洗与标注品质往往比单纯增加数量更关键。 3 不正确,多数模型只输出结果,解释须另行分析。 可解释性要专门设计,或借助特征重要性等工具。 4 不正确,反复调参会令测试集失去检验作用。 应另留验证集调参,测试集只在最后使用一次。 5 不正确,模型规模要与资料量和任务难度匹配。 过大的模型在小资料上更容易过拟合,训练成本亦更高。 6 不正确,相关不等于因果。 须以对照实验或领域知识判断因果方向。 7 不正确,资料分布改变会令表现逐步下滑。 须持续监测指标,并定期以新资料重新训练。 8 不正确,填值方式会改变结果,须按字段意义处理。 可考虑平均数、中位数或模型填补,并记录所用方法。 9 不正确,应同时看召回率与 F1。 全部猜多数类也可得极高准确率,实际毫无用途。 10 不正确,训练资料中的偏见会被模型放大。 须检查资料来源,并比较不同群体的表现差异。 04 做完之后怎样跟进 对完答案,只重做错的那几题,并在错题旁写出错在哪一步(公式、单位还是抄错数)。 同一题隔两日再做一次;两次都对才可以移到下一份练习。 家长只需看答案栏与解说栏,不必逐题讲解。 想亲手计一次精确率与召回率?预约 TutorZone 导师,用 25 分钟把十题的算式与图表逐一讲清。导师登记 → 本卷题目与答案由 TutorZone 团队原创编写,并非任何学校、出版社或考试局的试题;数值与答案均以程式核算。