少量不平衡醫療資料，最適合哪種交叉驗證？
某醫療人工智慧團隊正在開發心臟病風險預測模型，資料量僅有 150 筆，其中陽性個案不到 8%。由於樣本數稀少且類別分佈極不平衡，團隊希望在有限資料下，仍能準確評估模型在不同資料上的表現穩定性，同時避免訓練資料被過度切分而影響模型效能。若團隊希望在有限樣本下，同時兼顧資料的利用率及各類別在驗證折中的比例一致性，最適合採用下列哪一種交叉驗證方法？
醫療 AI 團隊只有 150 筆資料，而且裡頭心臟病陽性個案不到 8%（類別嚴重不平衡）。他們想用交叉驗證評估模型，但要同時考慮兩件事：讓每一折的資料都能充分利用，而且每一折的陽性比例和整體一致。
問你：哪一種交叉驗證方法最能兼顧「資料利用率最大化」和「各折陽性比例一致」這兩個需求？
一句話總結
少量且類別嚴重不平衡的資料，交叉驗證最佳選擇是：分層留一法（Stratified LOOCV），它讓每次訓練用到 n-1 筆（資料利用率最高），同時透過分層確保每一折的陽性比例和整體資料一致。
先感受問題：12 個心臟病患者，如果都跑進驗證折怎麼辦？
「仁心醫療 AI」的研究員蔡醫師只有 150 筆心電圖資料：138 筆正常（92%），12 筆有心臟病風險（8%）。
她面對雙重困境：
困境 2：心臟病陽性只有 12 筆，如果驗證集裡剛好沒有陽性個案（全是正常人），評估結果根本沒有意義。
普通的 5-Fold 會把 150 筆分成 5 組，每組 30 筆。但這 12 個陽性案例可能因為隨機分配，導致某幾個驗證折完全沒有陽性，那折的評估就毫無意義。
分層留一法（Stratified LOOCV）的解法：每次只留出 1 筆當驗證，用其餘 149 筆訓練，共做 150 次，同時確保每次留出的那 1 筆是按類別比例選出的，陽性和陰性都有機會被留出。
其他交叉驗證方法對這個案例的問題
- 5-Fold 的問題（資料利用率）：150 筆分 5 折，每折 30 筆當驗證。每次訓練只用 120 筆，剩下 30 筆閒置，對於只有 150 筆的資料來說，每次「浪費」20% 的資料。
- 5-Fold 的問題（類別不平衡）：12 個陽性案例隨機分配到 5 折，平均每折 2-3 個。但隨機性可能導致某折完全沒有陽性，驗證結果不穩定，無法代表真實效能。
- 普通 LOOCV（留一法）的問題：資料利用率最高（每次用 149 筆），但沒有分層，12 個陽性在 150 次驗證中可能分配不均，且每次驗證集只有 1 筆，無法計算有意義的 Recall（因為驗證集要麼是陽性要麼是陰性，沒有「比例」）。
- 隨機交叉驗證的問題：完全隨機分割，無法保證每折的類別比例，對不平衡資料更危險，12 個陽性可能集中在同幾折，其餘折完全沒有陽性。
- 分層 5-Fold 的問題（相對）：比普通 5-Fold 好（確保每折含陽性），但 150 筆資料下每折只有 2-3 個陽性個案，評估仍不穩定，且每次只用 80% 的資料訓練。
分層留一法：每次用 149 筆，確保陽性比例正確
蔡醫師採用分層留一法（Stratified LOOCV），流程如下：
・訓練集：149 筆（資料利用率 149/150 ≈ 99.3%，最高）
・驗證集：1 筆
分層保證：在 150 次中，12 個陽性個案各被留出至少一次，138 個陰性個案也各被留出至少一次，確保兩個類別的樣本都均勻參與驗證
最終評估：150 次驗證的結果平均，每個樣本都當過一次驗證集，每個模型都用了接近全部資料訓練，評估結果最穩定可靠。
這就是選項 D 講的：分層留一法交叉驗證（Stratified Leave-One-Out Cross Validation）。
技術版：LOOCV 的偏差與方差特性，以及分層的數學意義
留一法（LOOCV）在統計學上有一個重要性質：它是所有 k-Fold 中偏差（Bias）最小的，因為每次訓練用的資料量最接近完整資料集的大小（n-1 vs n）。但方差（Variance）較高，因為 150 個模型都在幾乎相同的訓練集上訓練，彼此高度相關，單個驗證點的結果波動較大。
分層（Stratification）的作用：確保每一折中各類別的比例和原始資料集一致。對於 8% 陽性的資料，分層讓每個驗證折都「代表」整體分布，而非因隨機性造成某折全是陰性。在 LOOCV 中，由於每次只驗證 1 筆，分層確保陽性和陰性樣本都有機會被驗證到。
計算成本：LOOCV 需要訓練 n 個模型（本題 150 個），比 5-Fold 的 5 個模型計算成本高很多。對大型資料集來說不實際，但對 150 筆的小資料集，成本可以接受。
適用場景：資料量很小（< 200）+ 類別不平衡時，分層 LOOCV 幾乎是最佳選擇。資料量中等（幾百到幾千）時，分層 10-Fold 是標準選擇（平衡計算成本和評估品質）。
為什麼其他選項是錯的
字面在說什麼：5-Fold 把資料分 5 折輪流驗證，能評估模型穩定性。
為什麼不對：150 筆資料的 5-Fold 每次用 120 筆訓練、30 筆驗證，資料利用率只有 80%，對小資料集是浪費。更嚴重的問題：12 個陽性個案隨機分進 5 折，平均每折 2-3 個，隨機性可能導致某折驗證集全是陰性，沒有達到「各類別比例一致性」的要求。
誰會選錯：記得「5-Fold 是標準做法」的人，忽略了這道題的兩個特殊條件：資料量極少和類別極不平衡。
字面在說什麼：每次留出一筆當驗證，資料利用率最高，最適合小資料集。
為什麼不對：普通 LOOCV 沒有分層，雖然資料利用率最高，但 12 個陽性個案在 150 次驗證中的分配是隨機的，不能保證「各類別在驗證折中的比例一致性」。題目明確要求「同時兼顧資料利用率及各類別在驗證折中的比例一致性」，普通 LOOCV 只達成了前半。
誰會選錯：只注意到「150 筆很少，LOOCV 資料利用率最高」，沒有注意到「分層」這個關鍵差異的人。選 B 的人差一點點，只缺了「分層」這個條件。
字面在說什麼：隨機分割資料進行交叉驗證，靈活且通用。
為什麼不對：「隨機」交叉驗證沒有固定的 Fold 數或分層機制，對類別不平衡的資料幾乎是最壞的選擇。完全隨機分割可能讓全部 12 個陽性個案集中在同幾折，其餘折完全沒有陽性，評估結果完全不可靠。既沒有解決資料利用率問題，也沒有解決比例一致性問題。
誰會選錯：不清楚各交叉驗證方法差異，覺得「隨機」代表「客觀」的人。
同個考點下次怎麼變形
直覺：資料量 150 筆，如果改用分層 10-Fold 而非分層 LOOCV，兩者有什麼不同？哪個更好？
答案：分層 10-Fold：每次訓練用 135 筆（90% 利用率），計算 10 個模型。分層 LOOCV：每次訓練用 149 筆（99.3% 利用率），計算 150 個模型。資料越少，LOOCV 的優勢越明顯；計算資源有限時，分層 10-Fold 是折衷。本題強調「同時兼顧資料利用率及比例一致性」，LOOCV 的利用率更高。
直覺：如果資料量有 50,000 筆，還適合用 LOOCV 嗎？
答案：不適合。LOOCV 需要訓練 n 個模型，50,000 筆資料需要訓練 50,000 個模型，計算成本極高。大資料集通常用 5-Fold 或 10-Fold 就夠，評估結果已夠穩定，不需要 LOOCV 的高資料利用率（因為資料本來就多）。
直覺：除了交叉驗證，處理類別不平衡還有哪些常用技術？
答案：過採樣（Oversampling）：複製少數類別的樣本，如 SMOTE 合成新樣本。欠採樣（Undersampling）：刪減多數類別，讓兩類平衡。調整類別權重（Class Weight）：訓練時讓少數類別的誤分代價更高。使用 F1-score 或 AUC-ROC 而非 Accuracy 評估（因為 Accuracy 在不平衡資料上有誤導性）。
直覺：分層交叉驗證的「分層」概念，在多類別分類（multi-class）時如何應用？
答案：多類別時，分層確保每個類別在每個驗證折中的比例都和整體資料集一致。例如 10 個類別，比例各異（某類 1%、某類 50%），分層 k-Fold 讓每折的 10 個類別比例都和整體相同，避免某折某個類別一個樣本都沒有，導致無法計算該類的 Precision 或 Recall。
直覺：在 8% 陽性的心臟病預測任務中，LOOCV 評估應該看哪個指標最合適？
答案：不應該用 Accuracy（因為「全預測正常」就有 92% Accuracy，毫無意義）。應優先看 Recall（召回率，漏掉心臟病患者的代價高），配合 F1-score 或 AUC-ROC 作為綜合指標。在醫療場景下，漏診（False Negative）的代價遠高於誤診（False Positive），所以 Recall 更重要，可考慮 Fβ（β > 1）。
想再往下看，這 5 個
- 交叉驗證（Cross-Validation）本題核心概念：評估模型泛化能力的方法，透過多次分割訓練集和驗證集降低評估偏差。
- 資料不平衡（Data Imbalance）心臟病案例的核心挑戰：陽性比例 8% 的不平衡資料對分割方法和評估指標都有特殊要求。
- 過擬合（Overfitting）交叉驗證的目的之一是偵測過擬合，確保模型在未見資料上的表現和訓練集一樣穩定。
- 偏差方差權衡（Bias-Variance Tradeoff）LOOCV 偏差最小但方差較高，5-Fold 反之，選擇交叉驗證方法本質上是在做偏差方差的取捨。
- 資料擴增術（Data Augmentation）處理資料不足的另一路徑，透過生成合成樣本增加訓練資料，常與交叉驗證搭配使用。