大數據分析方法與工具:25 題線上練習
「大數據分析方法與工具」是 iPAS AI 應用規劃師中級「大數據處理分析與應用」科目下的知識主題(代號 L223)。本頁收錄 25 題免費練習題,依能力指標分組,附逐題解析。
依能力指標分組,點一題看選項與解析。
評鑑範圍:數據轉換、縮放與分佈調整、特徵工程
評鑑範圍:數據分析演算法、模式識別以及資料不平衡處理策略
- 在處理分類問題時,若某一類樣本數明顯少於其他類別,研究人員可能採用隨機過採樣(Random Oversampling)以平衡資料比例,此方法最常造成下列哪一種問題?原卷題
- 某組資料共10項標籤如下:A, A, A, A, A, B, B, B, B, B。若該標籤僅有A、B兩種,請問這組資料的「正規化吉尼不純度(Normalized Gini impurity)」為何?原卷題
- 若在高維度(>500維)的資料上應用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)演算法,卻發現所有資料點皆被判定為雜訊(Noise),下列何者為最有可能的原因?原卷題
- 某團隊在開發風險評估模型時,使用主成份分析(Principal Component Analysis, PCA)進行降維。輸入資料包含三個數值欄位:「交易金額(單位:新台幣)」、「交易次數(次/月)」與「年齡(歲)」,其數值量級分別約為10⁶、10¹與10²。分析人員直接將原始數據帶入PCA,結果第一主成分(PC1)幾乎完全由「交易金額」主導。下列哪一項作法或判斷最合理?
- 若開發一個用於罕見疾病自動診斷的分類模型,目前資料集中確診樣本僅佔不到1%,且因為標記成本高,短期內無法取得更多資料。在此情況下,若希望提升模型對少數類的偵測能力,同時避免過擬合,下列哪一種策略最為合理?
- 若評估一個新開發的腫瘤分類模型,其資料集中有80%的樣本來自良性病例。若直接使用5-fold交叉驗證(Cross-Validation)進行模型評估,可能導致模型效能評估出現偏差,為避免此問題,下列哪一種作法最合適?原卷題
- 下列哪種方法屬於非監督式學習中的降維技術?
- 若使用主成分分析(PCA)將資料降維至兩個主成分,這表示哪一種情況?
評鑑範圍:資訊呈現的原則、圖表類型的選擇以及視覺化效能
- 某投資研究員希望分析四檔科技類股(A、B、C、D)每日報酬率的變化趨勢,以判斷這些股票之間是否存在高度相關性與共變動性,並評估投資組合分散風險的程度。若研究員希望以單一圖表快速呈現各股票間的關聯強度與方向,下列哪一種視覺化呈現方式最適合?原卷題
- 某行銷團隊想了解「廣告預算」與「銷售金額」之間的關聯程度。經繪製散佈圖後發現兩者呈現明顯線性趨勢,且資料中無明顯離群值(Outliers)。若希望衡量兩者之間線性關係的強度與方向,下列哪一種方法最適合?
- 團隊希望比較北美、歐洲、日本及其他地區的整體銷售比例,並使用seaborn套件以長條圖的形式進行視覺化分析。請選出能正確顯示這些地區銷售總額比例的程式碼。(資料欄位:NA_Sales、EU_Sales、JP_Sales、Other_Sales)
- 數據密度(Data Density)在視覺化中的意義為何?
- 四檔股票的相關性最適合用什麼方式視覺化?
本考點的相關 AI 術語
先掌握這些術語的定義與應用情境,再回來練題。