iPAS AI 應用規劃師中級 115 年第一次 科一 第 31 題 詳解

115 年第一次 科一 人工智慧技術應用與規劃

某資料工程師嘗試對包含300個特徵的使用者行為資料集使用DBSCAN進行群集分析，但發現幾乎所有資料點都被判定為雜訊點（Noise Points），難以形成有意義的群集，即使不斷調整ε（Epsilon）與MinPts參數也無濟於事。請問下列何者為此問題最可能的根本原因？

1. A在高維空間中，維度詛咒（Curse of Dimensionality）使得資料點之間的距離趨於相近，導致DBSCAN的密度估計失效（正確答案）

   高維使距離趨同，密度差異消失，DBSCAN失去判準。

2. BDBSCAN演算法僅適用於低維資料，無法處理高維資料

   DBSCAN無維度限制，降維或換距離度量後仍可用。

3. C300個特徵的資料必然不具備群集結構，因此無法進行有效的分群

   特徵多不等於無群集結構，推論過度。

4. D高維空間中核心點的數量會受到數學限制，導致無法形成群集

   核心點數量沒有所謂數學上限，屬虛構說法。