iPAS 考題解析高維(>500維)資料用 DBSCAN 全部變成噪訊點的原因為何?
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. 高維下距離趨同,Epsilon 閾值選擇失效
在高維空間中,所有點之間的距離都趨於相同(維度詛咒),導致基於距離的 Epsilon 閾值失去區分能力,所有點的鄰居數量都不夠,被歸為噪訊。
每個選項為什麼對或錯
-
A 高維下距離趨同,Epsilon 閾值選擇失效 正解
這就是「維度詛咒」的經典現象。在高維空間中,點之間的距離差異會變得非常小,導致 Epsilon 閾值難以有效區分核心點和邊界點,所有點看起來都像孤立的噪訊。
-
B 使用了錯誤的距離函數 錯誤選項
即使使用不同的距離函數,高維空間中距離趨同的問題仍然存在,不是根本原因。維度詛咒是高維資料的固有挑戰。
-
C MinPts 設定太小 錯誤選項
MinPts 設定太小反而會讓更多點被歸類為核心點,甚至可能導致過度分群,而不是讓所有點都變成噪訊。這與題目描述不符。
-
D 資料過度標準化 錯誤選項
資料標準化是常見的預處理步驟,通常有助於改善模型表現,而不是導致所有點變成噪訊。它不會造成距離趨同的問題。
答案、題目或解析有問題?回報這題