37. 某製造廠開發產線瑕疵檢測模型時，資料集存在嚴重類別不平衡問題，其中良品 約占 99%，瑕疵品僅占 1%。若直接使用原始資料進行訓練，模型容易偏向預測多數類別(良品)，導致對少數類別(瑕疵品)辨識能力不足。在不調整模型架構 與學習演算法的前提下，僅透過資料前處理方式改善此問題，下列何者最適當？
(A)使用 SMOTE 等過採樣方法進行少數類別擴增；
(B)加入 L1／L2 正則化(Regularization)以防止過擬合；
(C)大幅增加深度神經網路的層數，以強化特徵萃取能力；
(D)複製更多良品數據，以進一步提升模型的準確率(Accuracy)

答案：登入後查看
統計： 尚無統計資料