iPAS 考題解析請問下列何者不是常見的特徵選取技術或方法?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:C. 迴歸分析(Regression Analysis)
迴歸分析(Regression Analysis)是預測模型而非特徵選取(Feature Selection)方法。皮爾森相關(Pearson Correlation)、PCA、隨機森林(Random Forest)都可用於特徵選取。
每個選項為什麼對或錯
-
A 皮爾森積差相關分析(Pearson Correlation) 錯誤選項
皮爾森相關可評估特徵與目標變數的線性關係,是常見的過濾式特徵選取方法
-
B 主成分分析(Principal Components Analysis, PCA) 錯誤選項
PCA(Principal Component Analysis)是降維(Dimensionality Reduction)技術,可用於特徵擷取
-
C 迴歸分析(Regression Analysis) 正解
-
D 隨機森林(Random Forest) 錯誤選項
隨機森林(Random Forest)可透過特徵重要性(Feature Importance)排名進行特徵選取
答案、題目或解析有問題?回報這題