iPAS AI 應用規劃師中級 114 年第二次 科三 第 18 題 詳解

114 年第二次 科三 機器學習技術與應用 · 考點:常見機器學習演算法

下列何者最能同時反映XGBoost(eXtreme Gradient Boosting)相較於傳統梯度提升決策樹(Gradient Boosting Decision Tree, GBDT)的主要技術改進?

  1. A引入正則化項(Regularization)以抑制過擬合,並支援缺失值自動處理與並行化訓練(正確答案)

    正則化、缺失值自動處理、特徵切分並行化,正是 XGBoost 的核心改良。

  2. B改以隨機森林(Random Forest)架構取代樹模型以提升準確率

    XGBoost 仍是提升法,未改成隨機森林的並聯袋裝架構。

  3. C以類神經網路(Neural Network)取代弱分類器(Weak Learners)

    弱學習器仍是決策樹,並未換成類神經網路。

  4. D採用批次正規化(Batch Normalization)技術提升模型穩定性

    批次正規化屬深度學習的層間技巧,與樹模型無關。

正確答案:A

考 XGBoost 相對於傳統 GBDT 在正則化、缺失值處理與並行化上的改進。 看到比較型題目,先確認新方法仍屬同一演算法家族,再檢查改進點是否落在效率與過擬合控制。

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

常見機器學習演算法

  1. 114 年第二次 科三 第 20 題某電子商務公司為開發商品評論情感分析模型,希望模型能捕捉評論中不同特徵之間的關聯影響,例如「商品價格」與「顧客滿意度」的…
  2. 114 年第二次 科三 第 35 題某公司針對製程感測器資料進行主成分分析(PCA),經標準化與協方差矩陣分解後,得到三個主成分的特徵值如下:λ1=6.0,…
  3. 114 年第二次 科三 第 46 題假設研究人員已將含有雜訊的手寫數字影像存放在變數noisy中。部分資料經視覺化後的外觀如下:他們嘗試使用PCA進行降噪,…
  4. 115 年第一次 科三 第 4 題某AI團隊同時開發多個影像辨識系統,並在訓練流程中統一加入資料擴增策略(包含隨機水平翻轉)以提升模型泛化能力。實驗後發現…
  5. 115 年第一次 科三 第 6 題某資料科學家欲對512維詞嵌入向量(共10萬筆)進行視覺化以探索群集結構,同時另一工程師需將200個製程特徵降維後作為X…