110年 - 110-1 初級巨量資料分析師能力鑑定考試02：資料處理與分析概論#119175

科目： iPAS◆資料處理與分析概論◆初級 | 年份：110年 | 選擇題數：50 | 申論題數：0

試卷資訊

所屬科目： iPAS◆資料處理與分析概論◆初級

選擇題 (50)

1. 關於遺缺值（NA）的處理方式，下列敘述何者較「不」正確？ (A) 以貝氏定理公式計算最可能的值填入 (B) 以決策樹歸納法計算最可能的值填入 (C) 以迴歸分析計算最可能的值填入 (D) 無須考慮遺缺值比例，全部刪除

2. 將非結構化的資料轉變為結構化的資料，這樣的過程屬於下列何種工作？ (A) 資料前處理 (B) 資料標準化 (C) 資料視覺化 (D) 資料載入

3. 假設您每分鐘都會收到某張股票的開盤價、收盤價、最低價、最高價、成交量，若您只想儲存收盤價，最適合 R 語言中的何種結構？ (A) 向量（Vector） (B) 矩陣（Matrix） (C) 字串（Character） (D) 資料框架（Data frame）

4. 為找出某一篇英文文章中較為正確且重要的詞頻（如 Cat 與 Cats 均併做 Cat 計算），下列何者「不」是必要的步驟？ (A) 移除停用字（Stop Words） (B) 詞幹提取（Stemming） (C) 詞形還原（Lemmatization） (D) 詞性標記（Part of Speech Tagging）

5. 考慮某資料欄位為銷售地區，資料包括北部、中部、南部與離島。如果須使用單熱編碼（One-Hot Encoding），則離島值最合適的編碼為何？ (A) [1 1 1 1] (B) [1 0 0 1] (C) [0 0 0 1] (D) [1 1 1 0]

6. 下列何種圖表最適合用來展示資料中各類型數據所佔比例？ (A) 圓餅圖（Pie chart） (B) 散點圖（Scatter plot） (C) 折線圖（Line chart） (D) 長條圖（Bar chart）

7. 下列何種圖表最適合用來展示時間序列（Time Series）類型的資料？ (A) 圓餅圖（Pie chart） (B) 散佈圖（Scatter plot） (C) 折線圖（Line chart） (D) 長條圖（Bar chart）

8. 關於將資料去識別化，下列敘述何者「不」正確？ (A) 將姓名轉換成 MD5 雜湊值是一種去識別化的方式 (B) 將年齡資料，例如：「39 歲」轉換成「＞35 歲」是一種去識別化的方式 (C) 將資料進行分群後，取平均或中位數取代原本的資料也是一種去識別化的方式 (D) 所有去識別化的方法百分之百無法找回原本的訊息

9. R 語言中，下列函數何者可以回傳資料向量中各百分位數？ (A) var() (B) sd() (C) mean() (D) quantile()

10. 關於資料彙總（Data Aggregation），下列敘述何者最為正確？ (A) 可降低資料尺度、資料偏斜性對於模型的不良影響 (B) 是運用推論統計學，以展現資料的基本特質 (C) 是以摘要的形式收集或呈現資訊的任何過程 (D) 可以統整不同尺度之連續屬性間的數值分佈

11. 資料縮減（Data Reduction）包括屬性挑選（Feature Selection）與屬性萃取（Feature Extraction），下列何者「不」是屬性萃取的方法？ (A) 主成份分析（Principal Component Analysis） (B) 偏最小平方法（Partial Least Squares） (C) 相關係數矩陣視覺化（Correlation Matrix Visualization） (D) 因素分析（Factor Analysis）

12. 關於屬性萃取（Feature Extraction），下列敘述何者「不」正確？ (A) 可以消除屬性間的相互影響，增加模型的效果 (B) 屬性萃取方法有監督式與非監督式兩種 (C) 能夠降低屬性的個數，提升運算效率 (D) 屬性挑選（Feature Selection）與屬性萃取不同的是，前者最後決定出的屬性，與原來的屬性有函數關係

13. 假設您要對一含有數百個生物特徵屬性的資料進行分析，可使用下列何種方法來萃取重要的訊息？ (A) 主成分分析（Principle Component Analysis） (B) K 近鄰法（K-nearest neighbors） (C) K 均值法（K-means） (D) 關聯規則（Association Rule）

14. 在資料處理中，有些資料可能不是連續型的數值，而是一些分類值，例如職業、性別等，對於這樣的特徵值，我們將該屬性的欄位的各種狀態，設置獨立的欄位，並在發生該狀態的欄位中，填入 1，請問此種資料轉換的方式稱為？ (A) 單熱編碼（One-Hot Encoding） (B) 動態規劃（Dynamic Programing） (C) 最大似然估計（Maximum Likelihood Estimation） (D) 正規化（Normalization）

15. 關於正規化（Normalization），下列敘述何者正確？ (A) 一定落在[-1, 1]區間內 (B) 為了消除數據特徵之間的量綱影響 (C) 針對類變變量進行處理 (D) 會影響資料原來的分佈情況

16. 透過 Web 瀏覽器上傳信用卡資料時，下列何者為最合適的請求方法？ (A) POST (B) PUT (C) GET (D) UPLOAD

17. 下列敘述何者「不」正確？ (A) GET 方法傳輸速度較 POST 慢 (B) POST 方法適合傳送較為隱私的資料 (C) POST 方法允許傳送 GET 方法更多的資料 (D) GET 和 POST 皆可以將資料送到 Web Server 端

18. 下列何者為進行資料分析時的首要步驟？ (A) 資料收集 (B) 資料清理 (C) 資料建模 (D) 資料分析

19. 關於集中式資料庫系統（Centralized Database）與分散式資料庫系統（Distributed Database），下列敘述何者正確？ (A) 集中式資料庫系統中，資料一般是存放在多台伺服器 (B) 分散式資料庫系統，容量擴充不易且資料很容易受到某一台伺服器毀損而遺失 (C) 分散式資料庫系統中，某伺服器出現問題時（如斷線、當機等），仍有機會可維持資料庫運作 (D) 集中式資料庫系統，運行較穩定不會出現問題，因此不需要定時備份

20. 建立數據分析工作流程時，除了要得到分析結果外，如何建立「有效率」、「易維護」、「可重複使用」的良好品質程式碼亦十分重要。下列敘述何者較「不」恰當？ (A) 以 try-except 建立良好的錯誤處理機制，避免程式碼因部分錯誤而整體停止 (B) 對輸出之靜態檔案（ex: .json, .csv, .txt, .ft）等進行結構式命名，以利後續資料存取 (C) 為避免有太多的程式碼檔案（ex: .py, .r, .js），將 50 多個函式與主資料處理流程共 4000 行程式碼置放於同一個檔案之中進行管理 (D) 將程式碼透過版控軟體（ex: git, VSS）進行紀錄，建立良好的開發分支與版本紀錄

21. 若欲比較兩公司員工薪資之離散程度，可採用下列何者統計量？ (A) 變異數 (B) 全距 (C) 平均數 (D) 變異係數

22. 「林書豪的球衣號碼」屬於下列那一種量度尺度分類？ (A) 名目尺度（Nominal Scale） (B) 順序尺度（Ordinal Scale） (C) 比率尺度（Ratio Scale） (D) 區間尺度（Interval Scale）

23. 關於連續型機率分配，下列敘述何者正確？ (A) 常態分配中，平均值為 0、變異數為 0 之分配，稱為標準常態分配 (B) 已知均勻分配為 U(a, b)，則平均值為(a-b)/2 (C) 伽碼分配是指數分配的特例 (D) 已知隨機變數為標準常態分配，則取其平方為卡方分配且自由度為 1

24. 附圖為某機器維修時間之次數分配所繪製之結果，下列敘述何者正確？ (A) 圖形名稱為長條圖（Bar Chart） (B) 維修時間出現最多的範圍為 80~85 (C) 資料呈現常態分配 (D) 資料平均值為 55

25. 變異數分析是檢定二個以上母體的何者統計量是否相等？ (A) 平均數（Mean） (B) 變異數（Variance） (C) 標準差（Standard Deviation） (D) 中位數（Median）

26. 附圖為模型複雜度（Model Complexity）與預測誤差（Prediction Error）之間的變化關係，下列敘述何者正確？

(A) 戊段表過度配適（Overfitting），它代表模型越複雜時與訓練集配適的過好，但卻逐漸喪失對測試集的預測能力 (B) 實曲線甲為測試集（Test set）樣本下的模型複雜度與預測誤差之間的變化關係 (C) 虛曲線乙為訓練集（Training set）樣本下的模型複雜度與預測誤差之間的變化關係 (D) 丙段表配適不足（Underfitting），此時訓練集預測誤差表現不佳，而測試集預測誤差表現良好

27. 請問下列何者運算後是類別型變數資料？ (A) 銷售金額除以年齡 (B) 銷售金額開根號 (C) 性別數值化後取負號 (D) 氣溫的平方

28. 當A、B的共變異數（Covariance）Cov[A,B]=5時，請問Cov[A+2,B+1]=？ (A) 8 (B) 7 (C) 5 (D) 3

29. Python 語言中，關於附圖繪製直方圖，下列敘述何者正確？ (A) 資料呈現常態分配（Normal Distribution） (B) 資料有一個高峰值（Peak） (C) x 軸稱為組界（Bin），範圍為-4 至 10 (D) 數值 5 至 6 的範圍約有 350 筆資料

30. 參考附圖，Python 語言中，關於使用 anova_lm 函數進行不同機器（machine）、不同操作員（operator）對於產量是否會有影響的二因子變異數分析，下列敘述何者「不」正確？(A) 機器類型有二種 (B) 機器與操作員交互作用自由度為 2 (C) 不同機器之平均產量有顯著之差異 (D) 不同操作員之平均產量有顯著之差異

31. 關於資料探勘（Data Mining），下列敘述何者「不」正確？ (A) 利用一種或多種電腦技術來自動分析語或去擷取知識的過程 (B) 可找出遺失的歷史資料 (C) 通常被用來和知識發現相互交換使用的術語 (D) 獲得的知識通常是資料的模型或是歸納

32. 下列何者屬於「非監督式學習」（Unsupervised Learning）演算法？ (A) 決策樹（Decision Tree） (B) 集成方法（Ensemble Methods） (C) K 平均法（K-means） (D) 支援向量機（Support Vector Machine）

33. 關於 K 平均法（K-means）的分群，下列敘述何者「不」正確？ (A) 一開始群的中心點是隨機選擇的 (B) 每次分群結果必須讓組內平方和最小 (C) 每次分群的結果都一模一樣 (D) 一開始必須告知該演算法欲分群的群數

34. 參考附圖，下列敘述何者「不」正確？(A) 此圖稱為散佈圖矩陣（Scatter Plot Matrix） (B) Sepal.Length 與 Petal.Width 呈現正相關 (C) Petal.Length 與 Petal.Width 呈現正相關 (D) Sepal.Length 資料範圍為 2.0~4.0 之間

35. 考慮 R 語言之資料物件 x，如須找出大於三倍標準差的資料語法為下列何者？ (A) x[x ＞ 3*var(x)] (B) x[x ＞ 3*sd(x)] (C) x ＞ 3*var(x) (D) x ＞ 3*sd(x)

36. 關於基於密度的聚類分析算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN），下列敘述何者「不」正確？ (A) DBSCAN 是一種基於密度的分群方法（Density-Based Clustering） (B) 如果資料達到最小資料數目，則無法將該資料聚集成一群集 (C) 如果資料點在所定義的半徑範圍內超過資料點密度，則稱為核心點（Core） (D) 如果資料點位於核心點的半徑範圍內稱為境內點（Border）

37. 關於群集分析（Clustering Analysis），下列敘述何者正確？ (A) K 平均法（K-Means）不用事先決定群集數目 (B) K 平均法（K-means）不用事先標準化資料即可建立較佳模型 (C) 期望最大化法（Expectation Maximization, EM）是以模式為基礎的方法 (D) 期望最大化法（Expectation Maximization, EM）不用事先決定群集數目

38. 下列何者常用來呈現資料的群聚情況？ (A) 直方圖（Histogram） (B) 熱圖（Heat Map） (C) 折線圖（Line Chart） (D) 趨勢圖（Run Chart）

39. 若要描述非常態分佈的年收入，下列何者是最適當的指標？ (A) 標準差（Standard Deviation） (B) 平均值（Mean） (C) 眾數（Mode） (D) 中位數（Median）

40. 關於機器學習，下列敘述何者正確？ (A) 在沒有反應變數的監督學習情況下，我們無法知道監督式學習結果的真正答案 (B) 非監督式學習通常更具挑戰性，其過程沒有單一的分析目標 (C) 監督式學習通常是探索式資料分析的一部分 (D) 非監督式學習的目標就是預測反應變數

41. 關於監督式學習（Supervised Learning），下列敘述何者「不」正確？ (A) 可以由訓練資料中學到或建立一個模式（Learning Model） (B) 訓練資料是由輸入和預期輸出所組成 (C) 函數的輸出可以是一個連續的值（也就是迴歸分析，Regression），或是預測一個分類標籤（也就是分類，Classification） (D) 多維尺度法（Multidimensional Scaling）屬於監督式學習

42. 關於決策樹（Decision Tree），下列敘述何者「不」正確？ (A) 每個內部節點表示一個評估欄位 (B) 每個分枝代表一個可能的欄位輸出結果 (C) 每個樹葉節點代表不同分類的類別標記 (D) 屬於非監督式演算法的一種

43. 關於線性迴歸，下列敘述何者正確？ (A) 迴歸方程式係數估計最佳化問題是最小化均方誤差（Mean Squared Error, MSE） (B) 線性迴歸屬於無母數（Non-parametric）的統計建模方法 (C) 迴歸建模的好處是所獲得模型可解釋性高 (D) 任何資料集均可建立多元線性迴歸模型（Multiple Linear Regression），不會有建模失敗的狀況發生

44. 在相同的資料集下，請依模型複雜度從高到低排序線性建模的方法：壹、主成份迴歸（principal component regression）；貳、多元線性迴歸；參、偏最小平方法（partial least squares） (A) 貳 -＞參 -＞壹 (B) 參 -＞貳 -＞壹 (C) 貳 -＞壹 -＞參 (D) 壹 -＞貳 -＞參

45. 關於機器學習中的交叉驗證（Cross validation），下列何者「不」是其主要用途？ (A) 使用不同的資料組合來驗證訓練模型 (B) 讓兩人以上相互檢驗所搜集得到資料的正確性 (C) 避免過擬合（over fitting） (D) 尋找模型適合的參數

46. 對於二元分類問題，依真實資料的真假值與模型預測輸出的真假值，可以組合出真陽性（True Positive, TP）、真陰性（True Negative, TN）、偽陽性（False Positive, FP）、偽陰性（False Negative, FN）四種情況，組成混淆矩陣（Confusion matrix）。其中對應於統計上的 Type I error 的是？ (A) TP (B) TN (C) FP (D) FN

47. 參考附圖，關於迴歸係數何者正確？

(A) 迴歸係數＞0 (B) 迴歸係數＜0 (C) 迴歸係數=0 (D) 迴歸係數無法判斷

48. 關於簡單直線迴歸，下列敘述何者「不」正確？ (A) 相關係數（Coefficient of Correlation）和斜率正負號必定相同 (B) 相關係數可用來表示線性關係強度 (C) 相關係數的平方等於判定係數（Coefficient of Determination） (D) 兩變數間相關係數=1 代表它們之間有因果關係

49. 下列關於線性迴歸模型，下列敘述何者正確？ (A) 線性迴歸最多只能以 2 個自變數進行模型建立 (B) 線性迴歸方程式之繪圖呈現一定是直線 (C) 可透過最小平方法，優化線性迴歸模型 (D) 資料內的離群值（Outlier），不會對線性迴歸模型造成影響

50. 關於監督式學習（Supervised Learning），下列敘述何者正確？ (A) 需要給定特徵輸入資料與預測輸出答案，以建立模型 (B) 僅能建立連續數值資料之預測模型，而無法建立類別之預測模型 (C) 監督式學習的特點是，能夠在沒有正確解答的情況下，對資料進行分群 (D) 監督式學習的特點是，不需要出現正確的輸入/輸出對，即可訓練出模型

申論題 (0)