本頁面由 Cloud Translation API 翻譯而成。 實際工作環境機器學習系統：測驗您的知識 返回課程 您正在使用機器學習技術建構一個可預測獨角獸外觀的分類模型。您的資料集會詳細列出 10,000 次的獨角獸外觀，以及 10,000 個未顯現的獨角獸。資料集內含位置、時段、海拔高度、溫度、濕度、樹木覆蓋、彩虹和其他多種特徵。推出獨角獸外觀預測工具後，您需要重新訓練新資料，讓模型保持最新狀態。由於收集的新資料過多，因此決定限制訓練資料，方法是對一段時間內的新資料進行取樣。您也需要將獨角獸的每日和年度變化情況納入考量。你選擇的時間範圍為何？ 某天，由於窗戶較大，可能會產生大量資料，而模型訓練時間也太長。 在一週後，您的資料集才不會太大，但仍可以消除模式。 確保模型不會因為每日或每年的模式有偏誤。 您推出獨角獸外觀預測工具。成效良好！您在三週休假後回來發現模型品質大幅下滑。假設獨角獸行為在三週內不太可能發生變化。造成品質下滑最可能的原因為何？ 訓練/應用偏差：提供資料的格式在模型開始放送後某個時間點就會逐漸變更。 您在訓練期間使用了準確率做為指標。 模型已過時。 以上皆非。 您審查了模型在南極洲的預測結果，然後發現模型從這個模型發布到正式環境以來的預測成效不佳。下列何者可能是問題來源？ 您沒有足夠的南極洲訓練樣本。 您使用動態訓練，而非靜態訓練。 模型已過時。 以上皆是。 您的獨角獸外觀預測器已運作一年。您已修正許多問題，現在的品質良好。然而，您注意到一個小但持續發生的問題。您的模型品質在其他都市地區略低。可能原因為何？ 預測作業品質高，使用者就能輕鬆找到獨角獸，影響獨角獸的外表行為。 都會區難以建模。 人口較多的區域會多次回報獨角獸外觀，因此訓練資料出現偏差。 透過所有疑難排解方法，您大幅提升了獨角獸模型的預測品質，導致用量增加十倍。然而，使用者現在抱怨模型速度非常慢。推論要求通常超過 30 秒才會傳回預測結果。下列哪一項變更有助於解決這個問題？ 將模型從動態訓練切換至靜態訓練。 將模型從動態推論切換至靜態推論。 提供模型前，請先確認模型品質。 上述解決方案都無法解決問題。 提交答案 error_outline 計算測驗分數時出現錯誤。請再試一次。
