46. 實務上常見各類樣本分佈差距大的不平衡學習（imbalanced learning）情況，關於不平衡學習的處理方式，下列何者「不」正確？ (A) 以過度抽樣（over sampling）或降低抽樣（down sampling）解決，此種方法可避免模型過度配適或遺失多數樣本中的重要訊息 (B) 運用正負樣本的懲罰權重來解決，若分析建模的算法支援樣本權重設定，此方法是簡單有效的解決途徑 (C) 以薈萃式學習（ensemble learning）集成模型解決，形成模型預測能力良好的森林 (D) 進行屬性挑選（feature selection）以解決類別不平衡問題，透過縱行的操弄來提高模型績效