นักพัฒนา AI สร้างโมเดลจำแนกอีเมลขยะ (Spam Detection) แต่พบว่าโมเดลมีความแม่นยำ 99% เพราะชุดข้อมูลมีอีเมลปกติ 99% และสแปมเพียง 1% ปัญหานี้เรียกว่าอะไร
กOverfitting เพราะโมเดลจดจำข้อมูลฝึกมากเกินไป
ขUnderfitting เพราะโมเดลเรียนรู้ข้อมูลน้อยเกินไป
คData Leakage เพราะข้อมูลทดสอบรั่วไหลเข้าสู่กระบวนการฝึก
งClass Imbalance เพราะข้อมูลสองกลุ่มมีจำนวนไม่สมดุล ทำให้ Accuracy สูงแต่ไม่มีความหมาย
เฉลยอธิบาย
Class Imbalance คือปัญหาที่ข้อมูลสองกลุ่ม (Class) มีจำนวนไม่สมดุลกัน ในกรณีนี้โมเดลอาจทำนายว่าทุกอีเมลเป็น 'ปกติ' ก็ได้ Accuracy 99% แต่จับสแปมได้ 0% ทำให้ตัวชี้วัด Accuracy ไม่มีความหมายจริง ตัวเลือก A ผิดเพราะ Overfitting เกี่ยวกับโมเดลเรียนรู้มากเกินไปจากข้อมูลฝึก ตัวเลือก C ผิดเพราะ Underfitting เกี่ยวกับโมเดลที่ซับซ้อนน้อยเกินไป ตัวเลือก D ผิดเพราะ Data Leakage เป็นปัญหาการรั่วไหลของข้อมูลระหว่างชุด Train และ Test