阿摩線上測驗
登入
首頁
>
iPAS◆資料處理與分析概論◆初級
>
109年 - 109 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119176
> 試題詳解
32. 關於奇異值分解(Singular Value Decomposition, SVD),下列敘述何者 「不正確」?
(A) 常見應用是維度縮減
(B) 用於估計結果穩定時
(C) 用於資料其屬性個數大於觀測值個數
(D) 用於估計結果不穩定時
答案:
登入後查看
統計:
A(1), B(4), C(1), D(3), E(0) #3219166
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/10/26
#6971439
1. 題目解析 本題要求選擇關於奇異值分...
(共 984 字,隱藏中)
前往觀看
0
0
相關試題
33. 根據主計總處資料,2018 年工業及服務業受僱員工(下稱受僱員工) 全年總薪資如附圖,下列敘述何者「不正確」? (https://www.managertoday.com.tw/articles/view/58998) (A) 有半數受僱員工,全年薪資不高於 49 萬元 (B) 有半數受僱員工,全年薪資不高於 62.9 萬元 (C) 此薪水分布不是左右對稱分布的鐘型曲線,而是左偏型態 (D) 全年薪資達 115 萬元,即可排名在受僱員工前 10%
#3219167
34. 下列何者「不能」反映數據的集中趨勢的統計量? (A) 平均數 (B) 中位數 (C) 變異數 (D) 眾數
#3219168
35. 下列何者適合用來呈現[車速,油耗]資料? (A) XY 散佈圖 (B) 直條圖 (C) 直方圖 (D) 折線圖
#3219169
36. 關於關聯型態探勘(Association Pattern Mining),下列敘述何者「不正確」? (A) 典型的關聯型態探勘是分析超市中顧客購買的品項集合資料(通 常被稱為交易資料,或是購物籃資料),其個別品項間或品項群間的關聯 (B) 關聯型態挖掘最常見的模型是以品項集合出現的次數,來量化彼此間的關聯程度,以此挖掘出來的品項集合稱為頻繁品項集 (Large Itemsets or Frequent Itemsets) (C) 就應用領域而言,關聯型態探勘僅應用於購物籃資料分析,因而被稱為購物籃分析(Market Basket Analysis) (D) 關聯型態探勘分析的目的是基於某些品項出現的前提下,挖掘出 可預測其它品項發生之可能性的規則,這些規則就被稱為關聯規則
#3219170
37. 自動編碼器(Autoencoder)通常「不會」用來做下列何項工作? (A) 資料降維 (B) 無損壓縮影像 (C) 特徵擷取 (D) 去雜訊
#3219171
38. 對於二元分類問題,依真實資料的真假值與模型預測輸出的真假值, 可以組合出真陽性(True Positive, TP)、真陰性(True Negative, TN)、 偽陽性(False Positive, FP)、偽陰性(False Negative, FN)四種情況, 組成混淆矩陣(Confusion matrix)。若模型追求較高的精確率 (precision),則應提高下列何者? (A) TP (B) TN (C) TP/(TP+FP) (D) TP/(TP+FN)
#3219172
39. 特徵挑選(Feature Selection)是指挑選原始資料中的合宜屬性,或可視為移除缺乏訊息內涵之變數的維度縮減策略,下列常用的降維方法 中,何者屬於特徵挑選的方式? (A) 因子分析(Factor Analysis) (B) 非負矩陣分解(Non-negative Matrix Factorization) (C) 隨機投影(Random Projections) (D) 高相關過濾(High Correlation Filter)
#3219173
40. 特徵萃取(Feature Extraction)是指將原始資料的屬性進行結合,以產生新的代理變數(Surrogate Variables)。下列常用的降維方法中,何者 屬於特徵萃取的方式? (A) 低變異過濾(Low Variance Filter) (B) 多維尺度分析(Multidimensional Scaling) (C) 隨機森林(Random Forests) (D) 高相關過濾(High Correlation Filter)
#3219174
41. 模型複雜度與預測誤差之間的變化關係,通常是越複雜的模型與訓練集合配適的越好。因此,一般而言訓練集的預測誤差,會隨著模型複 雜度如何變化? (A) 增加而增加 (B) 減少而減少 (C) 增加而減少 (D) 減少而增加
#3219175
42. 下列何種演算法較「不適合」進行分類預測? (A) 決策樹(Decision Tree) (B) 線性迴歸(Linear Regression) (C) 羅吉斯迴歸(Logistic Regression) (D) K-近鄰演算法(K-Nearest Neighbor)
#3219176
相關試卷
113年 - 113-1 巨量資料分析師能力鑑定初級試題:資料處理與分析概論#122978
2024 年 · #122978
112年 - 112 初級巨量資料分析師能力鑑定考試02:資料處理與分析概論#116824
2023 年 · #116824
111年 - 111 巨量資料分析師能力鑑定考試02:資料處理與分析概論#114287
2022 年 · #114287
110年 - 110-1 初級巨量資料分析師能力鑑定考試02:資料處理與分析概論#119175
2021 年 · #119175
110年 - 110-2 初級巨量資料分析師能力鑑定考試02:資料處理與分析概論#119174
2021 年 · #119174
109年 - 109-2 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119179
2020 年 · #119179
109年 - 109 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119176
2020 年 · #119176
108年 - 108 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119181
2019 年 · #119181