阿摩線上測驗
登入
首頁
>
巨量資料概論
>
112年 - 112 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料運用:巨量資料概論與智慧電網#129351
> 試題詳解
22.下列關於 Python 變數管理的敘述,何者有誤?
(A) 變數不須宣告資料型態
(B) 變數不須事先宣告
(C) 變數不須先建立和給值而直接使用
(D) 變數可以使用 del 釋放資源
答案:
登入後查看
統計:
A(0), B(0), C(0), D(1), E(0) #3507172
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/09/08
#6677343
1. 題目解析: 這道題目考察對於 Py...
(共 552 字,隱藏中)
前往觀看
0
0
相關試題
23.下列關於巨量資料的敘述,何者有誤? (A) 巨量資料的資料來源皆為主動產生且有規律的資料 (B) 物聯網加速巨量資料的發展 (C) 真實性(Veracity)亦為巨量資料的特點 (D) 巨量資料不適合使用關聯式資料庫
#3507173
24.下列何者非屬需量反應輔助服務的優點? (A) 達成節電目標 (B) 降低電網投資成本 (C) 引導用戶管理用電 (D) 調控再生能源發電
#3507174
25.下列何者不是資料進行變異數分析時,所需之假設? (A) 資料呈常態分配 (B) 各組母體平均數相等(C) 各組母體變異數相等 (D) 各組資料間獨立
#3507175
26.下列何者非屬特徵選擇(Feature-Selection)的標準方法? (A) 嵌入方法(Embedded) (B) 過濾方法(Filter) (C) 包裝方法(Wrapper) (D) 抽樣方法(Sampling)
#3507176
27.下列關於資料特徵的敘述,何者有誤? (A) 資料特徵個數愈多,該模型所需的運算時間也就愈短 (B) 資料特徵個數愈多,容易引起維度災難,模型也會愈複雜 (C) 剔除不相關或多餘的資料特徵,以減少資料特徵個數,提高模型效果 (D) 可透過模型計算資料特徵重要程度,例如:Random Forest
#3507177
28.當資料科學家建模時,下列何者為過度配適(Over-fitting)的狀況? (A) 訓練誤差低,測試誤差低 (B) 訓練誤差低,測試誤差高 (C) 訓練誤差高,測試誤差低 (D) 訓練誤差高,測試誤差高
#3507178
29.當模型發生過度配適(Over-fitting)的情形時,下列何種方法無法緩解? (A) 蒐集更多資料 (B) 減少模型複雜度 (C) 增加模型訓練的時間(D) 使用正則化
#3507179
30.機器學習模型中,下列關於模型的偏差(Bias)與變異(Variance)的敘述,何者正確? (A) 高偏差代表模型過於複雜 (B) 高變異代表模型過於簡單 (C) 希望訓練好的模型能是高變異、低偏差 (D) 偏差與變異之間存在一平衡(Trade-off)關係
#3507180
31.下列何者不是資料進行屬性轉換的主要目的? (A) 能夠讓資料的可讀性更高 (B) 資料可能呈現嚴重的偏態分布,經過轉換後差異可以拉開 (C) 讓資料能夠符合模型所需要的假設,以利進行分析,例如經過轉換後的資料呈現常態分布 (D) 轉換後可能更容易發現資料之間的關係,使沒有關係變成有關係
#3507181
32.資料進行屬性轉換通常可以降低量綱尺度(Scale)對模型的影響。下列何種類型的模型方法, 不需要做屬性轉換? (A) k-means 集群 (B) 支援向量機 (C) 類神經網路 (D) 樹狀模型
#3507182
相關試卷
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_人工智慧技術應用:巨量資料概論與智慧電網#129312
2024 年 · #129312
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料應用:人工智慧、智慧電網與巨量資料概論#129272
2024 年 · #129272
112年 - 112 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料運用:巨量資料概論與智慧電網#129351
2023 年 · #129351