iPAS AI 應用規劃師中級 114 年第二次 科一 第 45 題 詳解

114 年第二次 科一 人工智慧技術應用與規劃

進行影像分類任務時，研究團隊嘗試利用主成分分析（Principal Component Analysis, PCA）將輸入特徵從1024維降至100維，並將降維後的資料輸入支持向量機（Support Vector Machine, SVM）模型進行訓練。關於此作法，下列哪一項描述最為合理？

1. APCA保留的主成分必然能提升SVM的分類準確率

   降維可能丟掉判別資訊，準確率不保證提升。

2. B使用原始高維資料通常更能保留資訊，因此PCA沒有實際意義

   高維含大量冗餘與雜訊，降維有明確價值。

3. CPCA可讓SVM自動適用於非線性（Nonlinear）資料集

   PCA 是線性投影，無法賦予 SVM 非線性能力。

4. D降維後可降低訓練時間並減少過擬合（Overfitting）風險（正確答案）

   維度下降使訓練更快且參數空間縮小，降低過擬合風險。