中二 ICT｜人工智能與機器學習入門備課指引（導師用）

中二 ICT｜人工智能與機器學習入門備課指引（導師用）｜訓練與測試集、準確率、偏誤

2026-11-13

學生個個聽過人工智能，但問他一個「九成準」的模型值不值得信，多數只答「九成就好啦」。這一堂教他用三個數字判斷：訓練集幾多、測試集幾多、錯的是哪一類。

本堂目標　學生能夠：① 講出為何要把 200 張圖分成訓練集 160 張（八成）與測試集 40 張（兩成），並講出測試集不可用來調參；② 算出準確率：40 張測試答對 36 張即 90%，並算出「全部答貓」的基準線只有 60%，證明九成不是白撞；③ 用訓練 95%（152/160）與測試 90%（36/40）相差 5 個百分點解釋過度擬合，並講出偏誤的一個具體來源。

01　先備知識（開課前 3 分鐘快檢）

以下任何一項未過關，本堂就會卡住，先補該項：

技能	快檢題	過關標準
百分比	40 分之 36 化成百分比是多少？	90%，因為 36 除 40 等於 0.9
比例	200 張按八成二成分兩份，各幾張？	訓練 160 張、測試 40 張
百分點比較	95% 與 90% 相差幾多個百分點？	5 個百分點，不是 5%

02　課堂流程（45 分鐘）

時間	環節	導師做什麼	學生做什麼
0-5 分鐘	先估一估	板書「有個模型答對九成，你信不信」，再問「如果全部答同一類呢」	先舉手話信，再開始懷疑
5-13 分鐘	資料分兩份	用 200 張圖示範 160 與 40，講明測試集要鎖起	能講出 80 對 20，並講出測試集不可調參
13-22 分鐘	準確率與基準線	由 36 除 40 算出 90%，再算全部答貓的 24 除 40 等於 60%	兩個百分比都算對，並講出差 30 個百分點
22-32 分鐘	過度擬合與偏誤	對比 152 除 160 等於 95%，問為何同測試差 5 個百分點	能講出「背了訓練集」與「資料不夠雜」
32-40 分鐘	題型四類	劃分資料、算準確率、比基準線、講偏誤各一題	四題都寫出步驟
40-45 分鐘	離場檢查	收三題即場批改，指出下堂補哪一幕	交三題

03　講解腳本（照著說就可以）

第一幕：第一幕：訓練集用來學，測試集用來驗

「我們有 200 張動物圖片，120 張貓、80 張狗。先拿八成即 160 張做訓練集，剩下兩成即 40 張做測試集。為甚麼要分開？因為你要知道自己有沒有背答案。訓練集就係課本，測試集就係考試卷；考試卷的答案，你調參數時是不可以看的。最常見的錯係用測試集成績去調模型，調到好為止，然後再報那個成績，等於先看答案再考試，成績沒有意義。口訣：訓練集用來學，測試集用來驗，測試集只准用一次。」

訓練集用來學，測試集用來驗，測試集調參就等於偷看答案。

第二幕：第二幕：準確率係答對除總數，仲要有一條基準線

「測試集 40 張，24 張係貓，16 張係狗。模型答對 36 張，所以準確率係 36 除 40 等於 0.9，即 90%。錯的 4 張，2 張貓當成狗，2 張狗當成貓。但 90% 算唔算好？要有一條基準線：如果模型懶到全部答『貓』，牠答對 24 張，即 24 除 40 等於 60%。所以 90% 比 60% 高出 30 個百分點，才算真本事。最常見嘅誤解係只看準確率不看分佈：如果測試集 40 張裡面 39 張係貓，全部答貓就有 97.5%，仲高過我們的模型。所以報準確率，一定要同時報類別比例。」

準確率係答對除總數，一定要同全部答同一類的基準線比。

第三幕：第三幕：訓練 95%、測試 90%，差距講的是背書

「訓練集 160 張，模型答對 152 張，即 95%；測試集 90%。相差 5 個百分點。如果模型真係學會『貓有尖耳、圓臉』，兩邊應該差不多；差距越大，越似背了訓練集，這叫過度擬合。偏誤從哪裡來？假設訓練集 120 張貓全部係白貓，模型就可能學成『白色就係貓』，測試一出現黑貓就錯。所以偏誤不是模型壞，係資料不夠雜。三個補救方向：一，加不同顏色的圖；二，檢查標籤有沒有貼錯；三，劃分訓練與測試之前先打亂次序。最常見嘅誤解係以為加多幾層就解決，其實資料偏，加幾多層都學不到。」

訓練同測試差距大就係背書；偏誤來自資料不夠雜。

04　必教題型與步驟

題型	例子	步驟	答案
劃分資料集	300 張圖按八成二成分兩份，各幾張？	（1）總數乘 0.8（2）總數乘 0.2（3）兩數相加核對（4）寫單位「張」	訓練 240 張、測試 60 張
準確率	測試 50 張答對 43 張，準確率幾多？	（1）答對除總數（2）寫成小數（3）化成百分比（4）核對在 0 與 100% 之間	43 ÷ 50 = 0.86，即 86%
基準線比較	測試集 40 張中 24 張是貓，全部答貓的準確率幾多？	（1）找最大類別（2）該類別數除總數（3）化成百分比（4）與模型比較	24 ÷ 40 = 60%，模型 90% 高出 30 個百分點
偏誤分析	訓練集的貓全部是白貓，測試時黑貓多數答錯，原因是甚麼？	（1）指出資料偏（2）講出模型學了顏色（3）提出補救（4）不要答「模型壞」	資料偏誤：模型學成白色等於貓；要加入不同顏色的樣本並檢查標籤

合理性檢查（一定要教）：合理性檢查：訓練集加測試集一定等於總數（160 加 40 等於 200）；準確率一定在 0 與 1 之間，寫成 90 就一定忘了化成百分比；基準線不可大過 100%，若算出 97.5% 表示測試集類別極不平衡，要指出來；訓練準確率通常高過測試準確率，若測試反而高出很多，多數是測試集太細（例如只有 5 張，錯 1 張就掉 20 個百分點）。

05　獨立練習三題

題目	答案	想觀察什麼
200 張圖按八成二成分兩份，各幾張？	訓練 160 張、測試 40 張	要講出「八成」是訓練集而非測試集
測試 40 張答對 36 張，準確率幾多？	36 ÷ 40 = 0.9，即 90%	要寫百分號，不可只寫 0.9
訓練 95%、測試 90%，相差 5 個百分點說明甚麼？	模型可能背了訓練集（過度擬合），要加多樣本或加強驗證	答「模型好準」就係未掌握

06　學生常見錯誤與糾正句

錯誤	學生通常這樣寫	導師這樣說
用測試集調參數	「我調到測試有 95% 先停手。」	「測試集一調就報廢。你應該喺訓練集裡面再切一份驗證集來調，測試集留到最後只睇一次。」
只報準確率不報類別比例	「九成準，好勁。」	「九成要同基準線比。如果測試集大部分係同一類，全部答那一類都有九成半，你這個九成其實差過亂答。」
把百分比寫成整數	「準確率係 90。」	「90 係數目，唔係百分比。36 除 40 等於 0.9，寫成 90% 或者 90 percent。」
以為加多幾層解決偏誤	「模型唔夠深，加多幾層就得。」	「資料偏，加深都係學錯。全部白貓的訓練集只會訓練出更自信的錯誤答案，先加不同顏色的圖。」

07　家課建議（直接指到練習卷題號）

章節練習：把 200 張圖分成訓練與測試，寫出兩個數字　人工智能章節，練習第一題
章節練習：算兩個準確率並與基準線比較　人工智能章節，練習第二題
延伸：找一個手機裡的分類功能（相簿人臉、垃圾短訊），寫出它可能學錯的一種情況　人工智能章節，練習第三題

08　離場檢查（最後 5 分鐘）

題目	答案	判定
為甚麼測試集不可以調參？	等於先看答案再考試，成績會偏高而無意義	答不出就重講第一幕
測試 40 張答對 36 張，準確率幾多？	90%（36 ÷ 40）	答 36 表示未除總數，重講第二幕
訓練 95%、測試 90% 的差距說明甚麼？	可能過度擬合，即背了訓練集	答「模型好準」就重講第三幕

09　導師常問

要教神經網絡結構嗎？

中二不需要。用「資料、訓練、測試、準確率、偏誤」五個詞講完整堂，網絡結構留到高中。學生能用三個數字判斷一個模型可不可信，比畫出神經元更有用。

需要電腦才能教嗎？

不需要。200 張圖可以用 200 張卡紙代替，或者用班房點名做例子：八成同學做訓練、兩成做測試，手算百分比一樣達到目標。

要不要講聊天機械人？

可以講一句，但不要花時間示範。重點是「它也會錯，錯的方式同資料有關」；講太多產品會令學生以為人工智能等於聊天機械人。

立即免費搵導師導師登記 →

本頁為 TutorZone 導師備課指引，內容由 TutorZone 團隊編寫；題目與流程為原創，並非任何學校或出版社的教材。