iPAS AI 應用規劃師中級 115 年第一次 科二 第 17 題 詳解

115 年第一次 科二 大數據處理分析與應用

某醫院欲建立一套加護病房（ICU）敗血症預測模型，資料來自120位病患之生命徵象（如心率、血壓、體溫等），每5分鐘記錄一次。資料中敗血症相關樣本僅佔3.2%，屬於高度不平衡資料。在資料檢查過程中發現數項問題，包括血氧資料會出現10至30分鐘的連續缺失、部分血壓感測器隨使用時間產生系統性偏高（感測器漂移）、敗血症標註時間存在約±2小時誤差，以及不同病患之正常生命徵象基準差異甚大。請問下列何種資料處理與建模方式最為適當？

1. A將缺失值以整體平均填補，未額外處理感測器漂移，並將敗血症標註區間由6小時擴大至8小時以涵蓋時間誤差，模型評估採用ROC-AUC作為主要指標

   整體平均填補破壞時序，且漂移未校正。

2. B對缺失值進行線性插值，若連續缺失時間過長則刪除該段資料，並以Z-score標準化處理感測器漂移，交叉驗證採隨機切分，未避免同一病患資料同時出現在訓練與測試集中

   隨機切分造成同一病患跨訓練與測試集而資料洩漏。

3. C刪除所有含缺失值之資料，對資料進行Min-Max正規化處理，未考慮病患間差異直接建模，並以Accuracy作為評估指標，交叉驗證採分層K-Fold方式進行

   刪除缺失樣本並用Accuracy，在3.2%正例下失真。

4. D對缺失值採前向填補並加入缺失指標特徵，利用感測器72小時滾動中位數進行漂移校正，並處理標註雜訊，同時以個別病患基準建模，交叉驗證採病患分組，評估採PR-AUC與Recall指標（正確答案）

   前向填補加缺失指標、滾動中位數校正、病患分組驗證與PR-AUC皆正確。