中二 ICT 人工智能練習一:標籤、準確率與資料切分十題 2026-11-20 導師備課指引 · 小學數學 中二 ICT 人工智能練習一:標籤、準確率與資料切分十題 十題由人工智能與機器學習的包含關聯出發,練標籤比例、準確率、訓練與測試切分,再算精確率、召回率與每輪訓練步數。 中二 ICT 人工智能練習一:基礎十題 課題包括標籤資料、準確率與資料切分。 01 本卷資料(做完才看答案) 項目 內容 題數 10 建議時間 25 難度分佈 基礎 4 · 進階 2 · 挑戰 2 · 錯題重練 2 對應章節 所屬章節:中二 ICT:人工智能與機器學習入門 適用年級 Basic 02 題目(10 題) 基礎機器學習與人工智能兩者範圍的包含關聯是甚麼? 基礎10 000 張相片中有 8 000 張已加上人手標籤,有標籤的佔多少百分比? 基礎一個模型在 200 題測驗中答對 170 題,準確率是多少? 基礎9 000 筆資料按 8 比 2 分成訓練集與測試集,兩邊各有多少筆? 進階混淆矩陣中真正例 40 個、假正例 10 個,精確率是多少? 進階真正例 40 個、假負例 5 個,召回率是多少? 挑戰每輪訓練有 16 000 個樣本、批次大小 32,訓練 20 輪共走多少步? 挑戰要令 50 個真正例的召回率達到 90%,模型最少要檢出多少個? 錯題重練錯題:準確率有 95% 就代表模型一定好用。這句話錯在哪裡? 錯題重練錯題:測試集可以反覆用來調參數,直到分數滿意為止。正確做法是甚麼? 03 答案與一句解說 題號 答案 一句解說 1 機器學習是人工智能的一個分支 人工智能的範圍最大,機器學習是其中一種以資料訓練模型的方法,深度學習再收窄一層。 2 80% 8 000 除以 10 000 等於 0.8,即 80%。 3 85% 170 除以 200 等於 0.85,即 85%。 4 訓練集 7 200 筆,測試集 1 800 筆 9 000 乘 0.8 得 7 200,乘 0.2 得 1 800,兩者相加剛好是全部資料。 5 80% 精確率是真正例除以所有被判為正的個案,即 40 除以 50。 6 約 88.9% 召回率是 40 除以 45,等於 0.8889,換成百分比約 88.9%。 7 每輪 500 步,共 10 000 步 16 000 除以 32 得每輪 500 步,再乘 20 輪得 10 000 步。 8 45 個 50 乘 0.9 等於 45,即召回率剛好 90%。 9 不一定好用,類別不平衡時要看精確率與召回率 若九成半樣本都屬同一類,全判該類已有 95% 準確率,但少數類完全抓不到。 10 測試集只在最後評估一次,調參數要用驗證集 用測試集反覆調參數等於把答案餵給模型,分數會過分樂觀。 04 做完之後怎樣跟進 對完答案,只重做錯的那幾題,並在錯題旁寫出錯在哪一步(公式、單位還是抄錯數)。 同一題隔兩日再做一次;兩次都對才可以移到下一份練習。 家長只需看答案欄與解說欄,不必逐題講解。 想再操練同章題目?回到本章頁可以看到其餘三份練習,難度由基礎到錯題重練。導師登記 → 本卷題目與答案由 TutorZone 團隊原創編寫,並非任何學校、出版社或考試局的試題;數值與答案均以程式核算。
中二 ICT 人工智能練習一:標籤、準確率與資料切分十題 2026-11-20 導師備課指引 · 小學數學 中二 ICT 人工智能練習一:標籤、準確率與資料切分十題 十題由人工智能與機器學習的包含關聯出發,練標籤比例、準確率、訓練與測試切分,再算精確率、召回率與每輪訓練步數。 中二 ICT 人工智能練習一:基礎十題 課題包括標籤資料、準確率與資料切分。 01 本卷資料(做完才看答案) 項目 內容 題數 10 建議時間 25 難度分佈 基礎 4 · 進階 2 · 挑戰 2 · 錯題重練 2 對應章節 所屬章節:中二 ICT:人工智能與機器學習入門 適用年級 Basic 02 題目(10 題) 基礎機器學習與人工智能兩者範圍的包含關聯是甚麼? 基礎10 000 張相片中有 8 000 張已加上人手標籤,有標籤的佔多少百分比? 基礎一個模型在 200 題測驗中答對 170 題,準確率是多少? 基礎9 000 筆資料按 8 比 2 分成訓練集與測試集,兩邊各有多少筆? 進階混淆矩陣中真正例 40 個、假正例 10 個,精確率是多少? 進階真正例 40 個、假負例 5 個,召回率是多少? 挑戰每輪訓練有 16 000 個樣本、批次大小 32,訓練 20 輪共走多少步? 挑戰要令 50 個真正例的召回率達到 90%,模型最少要檢出多少個? 錯題重練錯題:準確率有 95% 就代表模型一定好用。這句話錯在哪裡? 錯題重練錯題:測試集可以反覆用來調參數,直到分數滿意為止。正確做法是甚麼? 03 答案與一句解說 題號 答案 一句解說 1 機器學習是人工智能的一個分支 人工智能的範圍最大,機器學習是其中一種以資料訓練模型的方法,深度學習再收窄一層。 2 80% 8 000 除以 10 000 等於 0.8,即 80%。 3 85% 170 除以 200 等於 0.85,即 85%。 4 訓練集 7 200 筆,測試集 1 800 筆 9 000 乘 0.8 得 7 200,乘 0.2 得 1 800,兩者相加剛好是全部資料。 5 80% 精確率是真正例除以所有被判為正的個案,即 40 除以 50。 6 約 88.9% 召回率是 40 除以 45,等於 0.8889,換成百分比約 88.9%。 7 每輪 500 步,共 10 000 步 16 000 除以 32 得每輪 500 步,再乘 20 輪得 10 000 步。 8 45 個 50 乘 0.9 等於 45,即召回率剛好 90%。 9 不一定好用,類別不平衡時要看精確率與召回率 若九成半樣本都屬同一類,全判該類已有 95% 準確率,但少數類完全抓不到。 10 測試集只在最後評估一次,調參數要用驗證集 用測試集反覆調參數等於把答案餵給模型,分數會過分樂觀。 04 做完之後怎樣跟進 對完答案,只重做錯的那幾題,並在錯題旁寫出錯在哪一步(公式、單位還是抄錯數)。 同一題隔兩日再做一次;兩次都對才可以移到下一份練習。 家長只需看答案欄與解說欄,不必逐題講解。 想再操練同章題目?回到本章頁可以看到其餘三份練習,難度由基礎到錯題重練。導師登記 → 本卷題目與答案由 TutorZone 團隊原創編寫,並非任何學校、出版社或考試局的試題;數值與答案均以程式核算。