iPAS AI 應用規劃師中級 114 年第二次 科三 第 9 題 詳解

114 年第二次 科三 機器學習技術與應用 · 考點:線性代數之機器學習基礎應用

在建構以距離為基礎的機器學習模型(如KNN、SVM)時,下列哪一項資料前處理方式最為關鍵?

  1. A進行特徵縮放(Feature Scaling),使各特徵變數具有相似的數值範圍(正確答案)

    縮放後各特徵尺度一致,距離計算不被大數值特徵主導。

  2. B將連續型特徵變數轉換為類別型變數

    連續轉類別會丟失距離資訊,反而削弱模型。

  3. C以平均值或中位數進行缺失值補齊

    補值是通用清理步驟,非距離模型的特殊關鍵。

  4. D進行隨機抽樣以平衡資料筆數

    抽樣處理的是類別不平衡,與尺度無關。

正確答案:A

距離基礎模型為何必須先做特徵縮放的前處理觀念。 先看演算法是否以距離或梯度計算為核心,再判斷該前處理是否影響尺度。

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

線性代數之機器學習基礎應用

  1. 114 年第二次 科三 第 40 題依據附圖程式碼進行資料處理,下列何者正確?
  2. 114 年第二次 科三 第 48 題參考下圖程式碼,下列何者正確? A:X_train -= X_train.mean(axis=0)將每個訓練集特徵的平均…
  3. 115 年第一次 科三 第 14 題某電商平台使用樸素貝氏分類器(Naive Bayes Classifier)建立垃圾郵件過濾模型。訓練集準確率(Accu…
  4. 114 年第二次 科三 第 3 題在訓練非線性模型時,若目標函數為非凸函數(Non-convex Function),演算法在參數更新過程中可能出現多個極…
  5. 114 年第二次 科三 第 22 題某電商平台希望預測顧客是否會購買特定商品。系統蒐集顧客的瀏覽紀錄、停留時間、商品類別偏好與過去購買行為,並以此推估「在觀…