iPAS AI 應用規劃師中級 114 年第二次 科一 第 11 題 詳解
114 年第二次 科一 人工智慧技術應用與規劃
企業資料分析團隊使用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)演算法進行顧客行為分群,並希望模型能自動區分主要群集與雜訊資料。在此演算法中,決定聚類結果的兩個主要超參數為下列何者?
- A特徵數與學習率
學習率屬梯度下降訓練參數,DBSCAN 不做迭代優化。
- BK值與距離閾值
K值是K-means要先指定群數,DBSCAN 正是不需要它。
- C鄰域半徑(Epsilon ε)與最小點數(MinPts)(正確答案)
ε定鄰域範圍、MinPts定核心點門檻,兩者決定群集與雜訊。
- D交叉熵(Cross Entropy)與權重初始化
交叉熵與權重初始化屬神經網路訓練,與密度分群無關。
正確答案:C
考 DBSCAN 密度分群演算法的兩個核心超參數設定。 看到分群題先辨識演算法家族,再回想該演算法「定義群集」所需的參數。
用刷8題準備 iPAS AI 應用規劃師中級
每天隨手刷 8 題,答錯的題目會自動排回來再考一次。不用註冊,打開就能開始。
開始刷題