線性代數之機器學習基礎應用:4 題線上練習
「線性代數之機器學習基礎應用」是 iPAS AI 應用規劃師中級的能力指標(代號 L23102),涵蓋特徵提取、資料降維與壓縮。本頁收錄 4 題免費練習題,附逐題解析。
依能力指標分組,點一題看選項與解析。
L23102 線性代數之機器學習基礎應用
評鑑範圍:特徵提取、資料降維與壓縮
- 主成分分析(PCA)中,若前三個主成分的累積解釋方差比例為 90%,這意味著什麼?
- 以下用於 PCA 降維去除雜訊的程式碼有一個邏輯錯誤,應如何修正? ```python from sklearn.decomposition import PCA import numpy as np X = np.random.randn(100, 20) pca = PCA(n_components=5) pca.fit(X) X_denoised = pca.transform(X) # 錯誤行 ```
- PCA 特徵值 λ1=6.0, λ2=3.0, λ3=1.0,保留至少 80% 變異需要幾個主成分?
- PCA 降噪時,程式碼中需要修改哪個部分?
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。