阿摩線上測驗
登入
首頁
>
iPAS◆資料處理與分析概論◆初級
>
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
> 試題詳解
38. 下列何者常用來呈現資料的群聚情況?
(A) 直方圖(Histogram)
(B) 熱圖(Heat Map)
(C) 折線圖(Line Chart)
(D) 趨勢圖(Run Chart)
答案:
登入後查看
統計:
A(4), B(8), C(0), D(0), E(0) #3219122
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/10/26
#6971471
題目解析 題目要求選擇一種常用來呈現資...
(共 1003 字,隱藏中)
前往觀看
0
0
相關試題
39. 若要描述非常態分佈的年收入,下列何者是最適當的指標? (A) 標準差(Standard Deviation) (B) 平均值(Mean) (C) 眾數(Mode) (D) 中位數(Median)
#3219123
40. 關於機器學習,下列敘述何者正確? (A) 在沒有反應變數的監督學習情況下,我們無法知道監督式學習結 果的真正答案 (B) 非監督式學習通常更具挑戰性,其過程沒有單一的分析目標 (C) 監督式學習通常是探索式資料分析的一部分 (D) 非監督式學習的目標就是預測反應變數
#3219124
41. 關於監督式學習(Supervised Learning),下列敘述何者「不」正確? (A) 可以由訓練資料中學到或建立一個模式(Learning Model) (B) 訓練資料是由輸入和預期輸出所組成 (C) 函數的輸出可以是一個連續的值(也就是迴歸分析,Regression), 或是預測一個分類標籤(也就是分類,Classification) (D) 多維尺度法(Multidimensional Scaling)屬於監督式學習
#3219125
42. 關於決策樹(Decision Tree),下列敘述何者「不」正確? (A) 每個內部節點表示一個評估欄位 (B) 每個分枝代表一個可能的欄位輸出結果 (C) 每個樹葉節點代表不同分類的類別標記 (D) 屬於非監督式演算法的一種
#3219126
43. 關於線性迴歸,下列敘述何者正確? (A) 迴歸方程式係數估計最佳化問題是最小化均方誤差(Mean Squared Error, MSE) (B) 線性迴歸屬於無母數(Non-parametric)的統計建模方法 (C) 迴歸建模的好處是所獲得模型可解釋性高 (D) 任何資料集均可建立多元線性迴歸模型(Multiple Linear Regression),不會有建模失敗的狀況發生
#3219127
44. 在相同的資料集下,請依模型複雜度從高到低排序線性建模的方法: 壹、主成份迴歸(principal component regression);貳、多元線性迴歸; 參、偏最小平方法(partial least squares) (A) 貳 -> 參 -> 壹 (B) 參 -> 貳 -> 壹 (C) 貳 -> 壹 -> 參 (D) 壹 -> 貳 -> 參
#3219128
45. 關於機器學習中的交叉驗證(Cross validation),下列何者「不」是其 主要用途? (A) 使用不同的資料組合來驗證訓練模型 (B) 讓兩人以上相互檢驗所搜集得到資料的正確性 (C) 避免過擬合(over fitting) (D) 尋找模型適合的參數
#3219129
46. 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)。其中對應於統計上的 Type I error 的是? (A) TP (B) TN (C) FP (D) FN
#3219130
47. 參考附圖,關於迴歸係數何者正確? (A) 迴歸係數>0 (B) 迴歸係數<0 (C) 迴歸係數=0 (D) 迴歸係數無法判斷
#3219131
48. 關於簡單直線迴歸,下列敘述何者「不」正確? (A) 相關係數(Coefficient of Correlation)和斜率正負號必定相同 (B) 相關係數可用來表示線性關係強度 (C) 相關係數的平方等於判定係數(Coefficient of Determination) (D) 兩變數間相關係數=1 代表它們之間有因果關係
#3219132
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