/tutor-prep-s5-ict-artificial-intelligence-machine-learning-practice-4/
/tutor-prep-s5-ict-artificial-intelligence-machine-learning-practice-4/
一般查詢: info@TutorZone.com.hk
辦公時間: 星期一至六 - 上午 9 時至下午 6 時
WhatsApp 星期一至日 - 24 小時
人手接聽: +852 6828 1809
即時客服: +852 9061 3106

中五 ICT:人工智能與機器學習錯題重練十題

中五 ICT:人工智能與機器學習錯題重練十題

  • 2026-11-20

中五 ICT:人工智能與機器學習錯題重練十題

第四份把最常見的十個誤解逐題改正:以訓練準確率代替測試、重數量輕標籤、以為模型自動解釋、反覆用測試集調參、層數越多越好、把相關當因果、上線後停止監控、缺失值一律填零、不平衡資料只看準確率、以及以為系統必然中立。

錯題重練:十個必改的模型誤解 本份逐題改正十個常見誤解:以為訓練準確率九成九就等於可靠,實際要看測試集;以為資料越多越好而忽略標籤品質;以為模型會自動解釋判斷;以為測試集可反覆調參;以為層數與參數越多必然越好;把相關當成因果;以為上線後不需監控;把缺失值一律填零;在不平衡資料只看準確率;以及以為人工智能輸出必然客觀中立。每一項都附正解與一句解說,便於對照溫習。

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 3 · 進階 3 · 挑戰 3 · 錯題重練 1
對應章節 所屬章節:中五 ICT:人工智能與機器學習
適用年級 錯題重練(10 題)

02 題目(10 題)

  1. 基礎「模型訓練準確率達九成九,實際使用一定可靠」是否正確?
  2. 基礎「資料越多越好,不必理會標籤品質」是否正確?
  3. 基礎「機器學習模型會自動解釋自己的判斷原因」是否正確?
  4. 進階「測試集可以反覆用來調參,直至分數理想」是否正確?
  5. 進階「層數越多、參數越多的模型一定更好」是否正確?
  6. 進階「兩個變數相關,就代表前者導致後者」是否正確?
  7. 挑戰「模型上線後不需要再監控」是否正確?
  8. 挑戰「缺失值一律填零最簡單可靠」是否正確?
  9. 挑戰「資料不平衡時,準確率足以評估模型」是否正確?
  10. 錯題重練「人工智能系統的輸出必然客觀中立」是否正確?

03 答案與一句解說

題號 答案 一句解說
1 不正確,須看測試集與真實資料的表現。 高訓練準確率可能只是記住了訓練樣本,未代表能泛化。
2 不正確,錯誤標籤會直接把模型教錯。 清洗與標註品質往往比單純增加數量更關鍵。
3 不正確,多數模型只輸出結果,解釋須另行分析。 可解釋性要專門設計,或借助特徵重要性等工具。
4 不正確,反覆調參會令測試集失去檢驗作用。 應另留驗證集調參,測試集只在最後使用一次。
5 不正確,模型規模要與資料量和任務難度匹配。 過大的模型在小資料上更容易過擬合,訓練成本亦更高。
6 不正確,相關不等於因果。 須以對照實驗或領域知識判斷因果方向。
7 不正確,資料分佈改變會令表現逐步下滑。 須持續監測指標,並定期以新資料重新訓練。
8 不正確,填值方式會改變結果,須按欄位意義處理。 可考慮平均數、中位數或模型填補,並記錄所用方法。
9 不正確,應同時看召回率與 F1。 全部猜多數類也可得極高準確率,實際毫無用途。
10 不正確,訓練資料中的偏見會被模型放大。 須檢查資料來源,並比較不同群體的表現差異。

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。

想親手計一次精確率與召回率?預約 TutorZone 導師,用 25 分鐘把十題的算式與圖表逐一講清。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。

招募導師及興趣班教練|學術、樂器、體育、藝術、STEM,免費登記,招生與配對交給平台。 了解詳情 →