iPAS AI 應用規劃師中級 115 年第一次 科一 第 30 題 詳解

115 年第一次 科一 人工智慧技術應用與規劃

某資料科學家正在處理一份包含200個感測器特徵的工廠設備監測資料集，為了降低模型複雜度並保留主要變異資訊，他先對資料進行標準化（Standardization），再使用主成分分析（PCA）進行降維。在PCA過程中，為了找出能最大化資料變異量的主成分方向，演算法主要依賴哪一項數學操作？

1. A透過對目標函數進行梯度下降（Gradient Descent）最佳化，迭代求得主成分方向

   梯度下降是迭代近似解法，非 PCA 的標準定義操作。

2. B根據特徵與目標變數之間的相關性（Correlation）進行排序，選擇重要特徵

   用相關性排序屬特徵選擇，且需目標變數，PCA 是非監督式。

3. C對資料的協方差矩陣（Covariance Matrix）進行特徵值分解（Eigen Decomposition），取得對應主要變異方向的特徵向量（正確答案）

   對協方差矩陣做特徵值分解，特徵向量即主成分方向。

4. D對資料矩陣進行卷積運算（Convolution），擷取特徵之間的局部關係

   卷積擷取局部關係，是 CNN 的手法，與主成分無關。