iPAS 考題解析一位資料分析師希望減少輸入特徵的維度,以提升模型運算效率,並觀察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數量,下列哪一項方法最適合?
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:A. 套用主成分分析(PCA)以擷取主要變異方向並轉換新變數;
主成分分析(Principal Component Analysis, PCA)透過擷取主要變異方向(Principal Components)來降維(Dimensionality Reduction),能保留最大資訊量同時減少特徵數量。
每個選項為什麼對或錯
-
A 套用主成分分析(PCA)以擷取主要變異方向並轉換新變數; 正解
主成分分析(PCA)是一種常用的降維技術,它透過線性轉換將原始特徵轉換為一組新的、不相關的主成分,這些主成分能保留原始數據中最大的變異資訊。
-
B 利用離散化方法將連續變數轉為分類型欄位; 錯誤選項
離散化是將連續數值轉換為有限的類別區間,雖然可以簡化數據,但它並非直接的降維方法,也不一定能保留最大資訊量。
-
C 使用標準化方法將所有特徵縮放至相同數值區間; 錯誤選項
標準化(或正規化)是將數據縮放到特定的範圍或分佈,目的是消除特徵間量綱的影響,但它不會減少特徵的數量。
-
D 以ETL技術移除空值欄位並改儲為JSON格式 錯誤選項
ETL(擷取、轉換、載入)是資料整合流程,移除空值欄位是資料清理,改儲格式是資料儲存,這些都不是旨在保留最大資訊量同時降維的方法。
答案、題目或解析有問題?回報這題