大數據在人工智慧之應用:14 題線上練習
「大數據在人工智慧之應用」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 L224)。本頁收錄 14 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:大數據特性對機器學習演算法產生的底層影響與挑戰
評鑑範圍:大數據應用於預測、分類等鑑別式任務
- 某電商公司欲利用顧客行為資料建立消費預測模型,其中「會員等級」欄位包含「一般、白金、黑卡」三種類別。若模型採用梯度提升樹(Gradient Boosting Tree)演算法,資料科學家在進行特徵編碼時應特別注意下列何種情況?
- 某研究人員欲使用線性迴歸模型(Linear Regression Model)分析變數Y與X之間的關係,但發現Y的分佈明顯右偏,且其變異數隨X的增大而增加。為滿足模型假設並提升預適效果,下列哪一種前處理方法最為合適?
- 考慮資料集已經填補遺漏值,參考下圖執行結果,OLS迴歸輸出顯示:R-squared=0.898,迴歸係數:youtube=0.0455、facebook=0.1891、newspaper=-0.0006,截距=3.5561,newspaper的p值=0.914(不顯著)。 程式碼架構: X = df[['youtube','facebook','newspaper']] y = df['sales'] reg = 空格1 print(reg.coef_) X2 = sm.add_constant(X) model_sm = 空格2 print(model_sm.summary()) 各陳述: A: 空格1完整語法 reg = LinearRegression().fit(y, X) B: 空格1完整語法 reg = LinearRegression().fit(X, y) C: print(reg.coef_)結果為包括截距項等4個係數值 D: 空格2完整語法 sm.OLS(X2, y).fit() E: model_sm迴歸模型的所有迴歸係數在α=0.05之下具有顯著的解釋力 F: 截距項係數值為3.5561 下列哪些陳述正確?
- 預測產品銷售數量最適合用哪種模型?
- Y 變數右偏且變異數隨 X 增加,做線性迴歸前應做什麼前處理?
評鑑範圍:生成式模型在處理大規模語料時的技術需求
評鑑範圍:數據的安全性與法律合規技術
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。