阿摩線上測驗
登入
首頁
>
iPAS◆資料處理與分析概論◆初級
>
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
> 試題詳解
40. 假設你現在要製作數據分析圖表,下列哪一個做法是最恰當 的?
(A) 使用大量的顏色和效果,使視覺呈現更豐富
(B) 忽略觀眾的水平,使用專業術語展示分析結果
(C) 選擇最繁複的圖表類型,以展現你的資料分析深度
(D) 確保圖表簡潔清晰,避免不必要的元素干擾訊息
答案:
登入後查看
統計:
A(0), B(0), C(0), D(21), E(0) #3323470
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/10/11
#6874694
1. 題目解析 在製作數據分析圖表時,主...
(共 768 字,隱藏中)
前往觀看
0
0
相關試題
41. 請問下列哪一項是 K 平均數(K-means)集群算法的用途? (A) 測試資料的預測準確性 (B) 降低資料的維度以節省計算資源 (C) 建立一個監督式學習模型來預測目標變數 (D) 尋找資料中的潛在模式並將其分為不同的群集
#3323471
42. 在 Python 中,關於 pandas 的 plot()函式相關敘述,下列哪一項正確? (A) pandas 的 plot()函式預設的繪製圖形是長條圖 (B) pandas 的 plot()函式預設的繪製圖形是折線圖 (C) pandas 的 plot()函式預設的繪製圖形是圓餅圖 (D) pandas 的 plot()函式預設的繪製圖形是散佈圖
#3323472
43. 下列哪一種圖形最常用於呈現兩種數據的關聯性? (A) 圓餅圖 (B) 長條圖 (C) 散佈圖 (D) 直方圖
#3323473
44. 目前天空是烏雲,如果要求氣象局公告明天的天氣是「晴天」 或是「雨天」,這時使用下列哪一個方法較合適? (A) 線性迴歸 (B) 邏輯迴歸 (C) 一元二次迴歸 (D) 多項式迴歸
#3323474
45. 進行巨量資料分析前,要先對原始資料(Raw Data)做遺缺 值檢查與處理,下列哪一種潛在遺缺值的處理方法「不」恰 當? (A) 刪除含有遺缺值的觀測 (B) 用預測模型,來預測並填補遺缺值 (C) 用某個固定值(如中位數、平均數或眾數)填補遺缺值 (D) 最大值補值法(Maximum Value Imputation)
#3323475
46. 在許多情況下,數據點並不是線性可分的。在這種情況下, 支援向量機(Support Vector Machines,SVM)會使用核函數 (Kernel Function)的技術來將數據點投射到一個更高維度 的空間中,使其變得可分。下列何者「不」是常見的核函數? (A) Sigmoid Kernel Function (B) Radial Basis Kernel Function (C) Polynomial Kernel Function (D) Gamma Kernel Function
#3323476
47. 在監督式學習中,下列哪一項是迴歸模型與分類模型的主要 區別方式? (A) 迴歸模型用於預測數值型目標變數,而分類模型用 於預測類別型目標變數 (B) 分類模型無法處理數據中的遺缺值,迴歸模型可以 (C) 迴歸模型只能用於時間序列數據,分類模型則不受 限制 (D) 分類模型的計算速度通常比迴歸模型快
#3323477
48. 關於迴歸分析(Regression)敘述,下列哪一項錯誤? (A) 迴歸分析是擬兩個或者多個變數之間的關係的過程 (B) 被預測的變數叫做因變數(Dependent Variable),被 用來進行預測的變數叫做自變數(Independent Variable) (C) 迴歸分析按照涉及的變數的多少,分為一元迴歸和 多元迴歸分析 (D) 迴歸分析屬於非監督式(Unsupervised Learning)學 習方法
#3323478
49. 您正在處理一個預測未來房價的專案,手中的數據是一組包 含高維特徵的資料集,如房屋的大小(平方英尺)、位置、年齡以及房價。專案目標是開發一個模型,根據這些特徵預測 任何給定房屋特徵的價格。請問下列那一種模型最適合這項 專案? (A) 羅吉斯迴歸(Logistic regression) (B) 決策樹(Decision tree) (C) K-近鄰演算法(K-nearest neighbors) (D) 支援向量迴歸(Support Vector Regression)
#3323479
50. 分析台灣各城市居民健康資料時,分析師使用決策樹以預測 心血管疾病風險。考慮運用決策樹處理分類問題的特點,請問下列哪一項最可能是錯誤的? (A) 決策樹能夠自動捕捉特徵間的非線性關係 (B) 決策樹不需要預先對數據進行標準化或正規化等處理 (C) 決策樹算法容許資料集中有遺缺值 (D) 決策樹模型的可解釋性不高
#3323480
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