試題詳解

14. 在調整模型超參數(Hyperparameters)時，若希望避免因過度調整參數而導致過擬合，下列哪一種做法最有效提升模型的泛化能力？
(A)採用交叉驗證(Cross-Validation)於多組參數組合間反覆評估，選擇在驗證資料上表現最穩定的設定；
(B)使用早期停止機制(Early Stopping)監控訓練誤差並在收斂前 停止訓練，以防模型學習過度；
(C)對輸入特徵進行標準化以減少特徵值差異帶來的過擬合風險；
(D)提高模型複雜度並使用更多超參數搜尋範圍，以確保模型能充分學習資料特徵