iPAS 備考專區 登入

iPAS AI 應用規劃師題庫・中級・L21 AI 技術應用與規劃

iPAS 考題解析PCA 將 1024 維降至 100 維再用 SVM 分類,最正確的描述為何?

來源標記:114年第二梯次中級科目一

你的作答

解析

正確答案:D. 降維可降低訓練時間並減少過擬合風險

PCA 降維(Dimensionality Reduction)減少了特徵數量,訓練速度更快;同時去除了雜訊維度,減少模型過擬合(Overfitting)的風險。但不保證一定提升準確率(Accuracy)。

每個選項為什麼對或錯

  • A 必然提升準確率 錯誤選項

    降維(Dimensionality Reduction)可能丟失重要資訊,不保證一定提升

  • B 保持原始高維空間一定更好 錯誤選項

    高維空間容易過擬合(Overfitting)且計算量大,不一定更好

  • C PCA 能讓 SVM 適用非線性問題 錯誤選項

    PCA 是線性降維(Dimensionality Reduction),不能讓 SVM 處理非線性(需要核函數)

  • D 降維可降低訓練時間並減少過擬合風險 正解

答案、題目或解析有問題?回報這題

題目 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。