某大型零售企業準備將商品推薦模型上線，專案團隊在檢視訓練資料時，發現部分商品類別（例如高價商品）樣本數量極少，而多數樣本集中於低價商品。若此不平衡問題未妥善處理，下列何種狀況最可能在實際推薦結果中發生？
答案 （D）
核心概念
模型訓練的目標是把整體損失降到最低。當某個類別佔了絕大多數，模型只要「全部猜多數類別」就能拿到很漂亮的準確率，於是決策邊界會被多數類別主導，少數類別被邊緣化。反映在指標上就是：少數類別的召回率（Recall，該類實際樣本中被抓出來的比例）大幅下降，模型幾乎不會把東西判給稀有類別。
答題技巧
快速判斷技巧：先確立方向——不處理不平衡，模型會偏向「多數」。凡是描述「偏向稀有類別」的選項全部刪掉，剩下的通常就是答案。
易錯陷阱：容易在 Precision 與 Recall 之間搞混。這裡的核心受害指標是稀有類別的 Recall（該抓的沒抓到）。記法：模型不敢預測稀有類別 → 稀有類別被漏掉 → 漏掉＝召回率低。