นักพัฒนา AI กำลังสร้างโมเดลทำนายราคาบ้าน (House Price Prediction) และพบว่าเมื่อเพิ่มจำนวนตัวแปร (Features) จาก 5 เป็น 50 ตัว ความแม่นยำบน Training Set เพิ่มขึ้นมาก แต่ความแม่นยำบน Test Set กลับลดลง ปัญหาที่เกิดขึ้นและวิธีแก้ที่เหมาะสมคืออะไร
กปัญหา Underfitting แก้โดยเพิ่มจำนวนตัวแปรให้มากขึ้นอีก
ขปัญหา Data Leakage แก้โดยแยกข้อมูล Training และ Test ใหม่
คปัญหา Class Imbalance แก้โดยสุ่มตัวอย่างข้อมูลให้สมดุล
งปัญหา Overfitting แก้โดยใช้เทคนิค Regularization หรือลดจำนวนตัวแปร หรือเพิ่มข้อมูลฝึก
เฉลยอธิบาย
อาการที่ Training Accuracy สูงแต่ Test Accuracy ต่ำคือสัญญาณคลาสสิกของ Overfitting โดยโมเดลจดจำข้อมูลฝึกมากเกินไปแต่ไม่สามารถ Generalize ได้ วิธีแก้ได้แก่ Regularization (L1/L2) Feature Selection ลดจำนวน Feature หรือเพิ่มข้อมูล ตัวเลือก A ผิดเพราะ Underfitting คือกรณีที่โมเดลแม่นยำน้อยแม้แต่บน Training Set ตัวเลือก C Data Leakage ไม่ตรงกับอาการที่อธิบาย ตัวเลือก D Class Imbalance เกี่ยวกับการจำแนกประเภท ไม่ใช่การพยากรณ์ราคา