111年 - 111 巨量資料分析師能力鑑定考試02：資料處理與分析概論#114287

1. 當有離群值（Outlier）時，下列哪一項處理方式最正確？ (A) 將其移除 (B) 不予理會 (C) 使用填補法（Imputation） (D) 視分析目的而定

2. 關於遺缺值（Missing Value）的處理，下列敘述哪一項正確？ (A) 即使資料有遺失值也不應該被刪除，所有的資料都應該被完整保存下來 (B) 同一欄位（column）中太多資料都含有遺缺值時，不適合將這些資料全都刪除，應該找尋補齊遺缺值的方法 (C) 如果類別變量有遺缺值，則可以使用算術平均數填補該遺缺值 (D) 不論資料分布型態，皆可直接以資料中非缺失值的平均數或中位數來補齊缺失值

3. 下列哪一項「不」是資料前處理的步驟？ (A) 資料清理（Data Cleaning） (B) 資料整合（Data Integration） (C) 資料建模（Data Modeling） (D) 資料變形（Data Reshaping）

4. 下列哪一項是最「不」適合填補遺缺值（Missing Value）的方式？ (A) 熱卡填補法（Hot Deck Imputation） (B) 迴歸填補法（Regression Imputation） (C) 填補最大值 (D) 平均值填補（Mean/Mode Completer）

5. 若要檢查 E-mail 格式是否符合（如：qoo5205566@gmail.com），下列哪一種正則表達式（Regular Expression）可正確判斷？ (A) /^([a-zA-Z0-9._%-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,4})*$/ (B) /^([a-zA-Z0-9._%-]+[a-zA-Z0-9.-]+.[a-zA-Z]{2,4})*$/ (C) /+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,4})*$/ (D) /^([a-zA-Z0-9._%-]+@[a-zA-Z0-9.-]*$/

6. 下列哪一項「不」是 SQL 中的聚合函數（Aggregate function）？ (A) count (B) sum (C) avg (D) cast

7. 下列哪一項「不」是非監督式學習的常見方法？ (A) 主成分分析（Principal Components Analysis） (B) 非計量多向度量尺法（Non-metric Multidimensional Scaling） (C) 對應分析（Correspondence Analysis） (D) 線性判別分析（Linear Discriminant Analysis）

8. 下列哪一種圖形化方法，能直觀的觀察資料集中，不同變數之間的關聯性？ (A) 勝率比（Odds ratio） (B) 平行座標軸（Parallel coordinates） (C) 目標投影追蹤（Targeted projection pursuit） (D) 平均數全距管制圖（X-bar range control chart）

9. 關於敘述統計的方法，下列哪一項錯誤？ (A) 敘述統計是為了瞭解資料的頻率、趨勢、離散程度等特徵的一種方法 (B) 觀察資料的分布、集中特性，如中位數、眾數、平均數、標準差也都是一種敘述統計方法 (C) 集群分析 K-means Clustering 是一種將資料分類觀察的敘述統計方法 (D) 圖示法，如：直方圖、餅圖、散點圖等，都是一種敘述統計方法

10.下列是進行資料去識別化的動作，請問哪一個行為較「不」恰當？ (A) 將只有唯一一個值的欄位刪去 (B) 將性別的資料男和女轉為 0 和 1 (C) 模擬某欄位的資料分布，重新佈署資料，以保有資料的原有特徵 (D) 將性別欄位和年齡欄位隨機混合在一起

11.下列哪一項是監督式（Supervised）的特徵工程（Feature Engineering）方法？ (A) 線性判別分析（Linear Discriminant Analysis） (B) 主成分分析（Principal Component Analysis） (C) 潛在語意分析（Latent Semantic Analysis） (D) 獨立成分分析（Independent Component Analysis）

12.下列哪一種類型資料，適合使用資料增益（Information Gain, IG）進行特徵選取（Feature Selection）？ (A) 擁有大量不同數值的資料特徵 (B) 名目（Nominal）的資料特徵 (C) 非離散化的數值特徵 (D) 連續型的數值

13.在使用線性模型時，下列哪一種方法用來將名目（Nominal）類型資料轉為實數（Real Number）類型資料，可以最公平的進行轉換而沒有對特定的可能值（Possible Value）造成偏差？ (A) 直接將所有不同數值轉為單一維度的布林值，如將性別（男、女）轉為二維向量男＝（1,0）及女＝（0,1） (B) 依照名目（Nominal）類型資料的數值資訊轉為相對應的實數值，如將體重（過重、一般、過輕）轉為（1, 0, -1） (C) 直接將特徵值給予對應的實數值，如將天氣（晴、陰、雨）轉為（0, 1, 2） (D) 依照特徵值給予範圍內隨機數值，如里程（遠、中、近）分別給予 100～ 1000（遠）、50～100（中）、0～50（近）的隨機數值

14.在資料準備時，下列敘述哪一項錯誤？ (A) 資料準備時，經過資料整合、清理、轉換、減少等步驟架構良好的資料 (B) 資料整合包括蒐集資料、選擇資料、整合資料 (C) 資料清理不包括減少變數數目、消除不一致、平衡偏斜資料 (D) 資料轉換包括正規化資料、分散/整合資料、建構新屬性

15.關於特徵（屬性）萃取（Feature Extraction）與轉換（Transformation），下列敘述哪一項正確？ (A) 資料縮減泛指屬性挑選（Selection）與萃取（Extraction） (B) 屬性越多，表示後續建模有越多參數要調校，過度配適（Overfitting）的風險越低 (C) 各屬性的量綱均一化屬於屬性萃取（Extraction）的工作 (D) 主成分分析（Principal Component Analysis, PCA）是分佈偏斜屬性常用的轉換方法

16.如附圖所示之程式碼，若使用 XPath 的語法要選擇在 plate 標籤層下的 apple，下列哪一項錯誤？
(A) //plate/apple (B) /div/plate/apple (C) /plate/apple (D) //apple[1]

17.若要確保巨量資料運算平台之服務，不會因為單點毀損導致無法存取服務（Single Point of Failure, SPOF），我們會進行高可用性（High Availability, HA）的設計，關於 HA 的敘述，下列哪一項錯誤？ (A) 服務層級協議（Service-Level Agreement）決定連續不中斷服務的程度，等級越高表示服務等級越高 (B) Hadoop 上的 HDFS（Hadoop Distributed File System）的高可用性可透過配置 Active/Active 兩個 NameNodes 節點解決 SPOF 問題 (C) 可以透過 JournalNode 的設計來儲存 HDFS（Hadoop Distributed File System）文件的紀錄，若發生 NameNode 損壞，新的 NameNode 可透過此紀錄恢復既有的文件紀錄 (D) 具備有高可用性的架構下，發生 NameNode 損壞時，運行中的程式不受影響，仍會繼續完成工作

18.如附圖所示，Hadoop 最基本架構包含下列哪些項目？
(A) (1)和(2) (B) (2)和(3) (C) (3)和(4) (D) (1)(2)(3)(4)

19.若要取得某一網頁的資料，下列哪一個方法最正確？ (A) UPDATE (B) HEAD (C) PUT (D) GET

20.如附圖所示，有一個 data 數列，請問經過 MapReduce 模型處理的結果，下列哪一項正確？
(A) 15 (B) 55 (C) 25 (D) 49

21.如附圖所示為某產品每月市場需求的機率分配，請問該產品每月需求量之期望值，下列哪一項正確？
(A) 387 (B) 420 (C) 299 (D) 361

22.若隨機變數 X 服從二項分配（Binomial Distribution），其每次試驗成功的機率為 0.4，試驗次數為 10 次，則 X 的期望值與變異數，下列哪一項正確？ (A) 期望值為 2 與變異數為 1.2 (B) 期望值為 2 與變異數為 2.4 (C) 期望值為 4 與變異數為 1.2 (D) 期望值為 4 與變異數為 2.4

23.某品牌燈泡平均壽命為 1200 小時，標準差為 36 小時。現購買此燈泡 36 隻，若 Z 為標準常態分配，請問此 36 支燈泡壽命至少為 1180 小時的機率，下列哪一項正確？ (A) Pr(Z ＞ -2.2) (B) Pr(Z ＞ -2.4) (C) Pr(Z ＞ -2.6) (D) Pr(Z ＞ -2.8)

24.某公司所生產 10 公斤裝的糖果，其標準差為 0.4 公斤，欲估計母體平均數。若 Z 為標準常態分配，且 Pr(Z ＜ -1.96) = 2.5%，在 95%信賴水準下，使估計誤差不超過 0.08 公斤，至少應抽多少包糖果來秤重？ (A) 62 包 (B) 75 包 (C) 97 包 (D) 116 包

25.有一個隨機樣本數據為：1，3，5，9，11，13，下列敘述哪一項正確？ (A) 全距為 5 (B) 眾數為 7 (C) 中位數為 5 (D) 平均數為 7

26.如附圖所示為 Python 語言，mydist 函數回傳是什麼結果？
(A) 歐幾里得距離（Euclidean distance） (B) 曼哈頓距離（Manhattan distance） (C) 馬氏距離（Mahalanobis distance） (D) 餘弦相似（Cosine similarity）

27.某公司生產的燈泡有 10%的不良率。此公司為了品質對每一個燈泡做檢驗，將其分類為「通過」或「不通過」。若檢驗員有 5%的機會分類錯誤，則下列哪一項是被分類為「不通過」的百分比？ (A) 12% (B) 14% (C) 16% (D) 18%

28.關於關聯法則的敘述，下列哪一項錯誤？ (A) 為找出所有頻繁項目集與找出頻繁項目集中具有強關聯規則的規則 (B) 從數量低的集合開始，當發現該集合不是頻繁的，則它的母集反而需要考慮 (C) FP-growth 算法比 Apriori 算法更有效率 (D) 當資料集很大時，Apriori 算法需要不斷掃描資料集造成運行效率很低

29.關於線性迴歸與邏輯斯迴歸，下列敘述哪一項錯誤？ (A) 線性迴歸的應變數連續型，邏輯斯迴歸應變數是類別型 (B) 線性迴歸的應變數和自變數之間的關係假設是線性相關的，邏輯斯迴歸的應變數和自變數是非線性的 (C) 線性迴歸應變數 y 的觀察值是服從常態分布的；邏輯斯迴歸應變數 y 是服從二項分布 0 和 1 或者多項分布的 (D) 關於係數估計，線性迴歸採用最大似然法（Maximum Likelihood, ML），邏輯斯迴歸採用最小平方法（Least Square, LS）

30.下列哪一個觀念錯誤？ (A) 計算全國失業率時，為了降低誤差，全面調查的結果最為精準 (B) 計算全國失業率時，以抽樣方法可以減少計算成本 (C) 計算全國失業率時，以抽樣方法會有計算誤差 (D) 計算全國失業率時，以台北市的失業率直接推算其他五個直轄市（新北、桃園、台中、台南、高雄）的失業人數，是精確的估計方法

31.關於 PCA 主成分分析與 SVD 奇異值分解的比較，下列敘述哪一項正確？ (A) PCA 較 SVD 更一般化 (B) SVD 提供資料矩陣只有橫列的基底 (C) PCA 提供資料矩陣之綜行與橫列的基底 (D) SVD 較 PCA 更一般化

32.如附圖所示為 R 語言，執行 ggplot2 套件視覺化分析，下列敘述哪一項正確？
(A) hp 與 mpg 變數呈現正相關 (B) 使用以下函數可繪製題目之結果 (C) hp 與 mpg 變數無明顯相關性 (D) 使用以下函數可繪製題目之結果

33.若有兩個向量 A=＜2,0,0＞，B = ＜2,2,1＞；請問這兩個向量之間的餘弦（Cosine）相似度最接近下列哪一個數字？ (A) 0.67 (B) 0.33 (C) 1 (D) 0.5

34.關於主成分分析（Principal Component Analysis, PCA）屬性萃取的主要用途，下列哪一項正確？ (A) 萃取出重要的主要主成分後，可以長條圖視覺化多變量資料 (B) 可將低度相關的預測變數矩陣 X，轉換成相關且量多的潛在變數集合 (C) 可將最攸關的訊息與無關的雜訊結合 (D) 可將問題領域中的數個變數，組合成單一或數個具訊息力的特徵變數

35.下列哪一項集群方法，可以解決資料中有離群值及類別屬性的問題？ (A) K 平均法（K-means） (B) K 代表點（K-medoids） (C) K 近鄰（K nearest neighbor） (D) K 奇異值分解（K-singular value decomposition）

36.在 R 語言中使用 arules 套件，下列哪一個指令可顯示關聯規則的支持度（Support）、信賴度（Confidence）與增益（Lift）結果？ (A) view (B) quality (C) exam (D) show

37.關於探索式資料分析，下列哪一個是常用來觀察極端值的分佈？ (A) 雷達圖（Radar Chart） (B) 泡泡圖（Bubble Chart） (C) 盒鬚圖（Box Plot） (D) 桑基圖（Sankey Diagram）

38.關於探索式資料分析，下列哪一個最常用來呈現時間資料趨勢的概念？ (A) 圓餅圖（Pie Chart） (B) 三元平衡圖（Ternary Plots） (C) 直方圖（Histogram） (D) 折線圖（Line Chart）

39.關於非監督式學習（Unsupervised Learning），下列敘述哪一項錯誤？ (A) 在資料集內之變數中，沒有預測目標 (B) 資料劃分為集群，可理解各集群的特性 (C) 迴歸分析和 K-means 兩種演算法常被用來進行資料的分類 (D) 變數間的關係與資料的樣式（Pattern），找出資料間分佈的趨勢

40.關於 K 平均法（K-means），下列敘述哪一項錯誤？ (A) 需給定 K 群，並隨機挑選 K 個點作為群集中心，亦可給定既有的點來挑選 (B) 分群的好壞在於組內變異（within）的值要小，表示同一群裡面的點離散程度小、較密集 (C) 亦可用亂度或是密度來測量取代距離，規律的數據結構下，亂度值是低的，而隨機性的數據結構的亂度值則是高的 (D) 分群後的結果，部分的點可能會分配到多個不同的群

41.關於常用的決策樹（Decision Tree）演算法，下列哪一項錯誤？ (A) ID3（Iterative Dichotomiser 3） (B) C4.5 (C) CART（Classification and Regression Tree） (D) OLSR（Ordinary Least Squares Regression）

42.關於線性迴歸模型的敘述，下列哪一項錯誤？ (A) 線性迴歸方程式，其資料分布之趨勢線不一定是直線 (B) 資料共線性（Multicollinearity）問題，不會影響線性迴歸模型的優化 (C) 若某資料為標準常態分佈（Standard Normal Distribution），則其標準差（Standard Deviation）為 1 (D) 在訓練模型時，需要注意是否出現過度配適（Overfitting）的情形

43.在簡單線性迴歸模型（Linear Regression）當中，斜率的估計值代表下列哪一種意義？ (A) 觀察值的預測值 (B) 當自變數變動一單位時，依變數的平均變動估計值 (C) 當自變數為 0 時，依變數的估計值 (D) 當自變數為 0 時，依變數的平均估計

44.監督式學習（Supervised Learning）「不」包含下列哪一項？ (A) 分類（Classification） (B) 推估（Estimation） (C) 預測（Prediction） (D) 分群（Clustering）

45.機器學習模型中，關於模型的偏差（bias）與變異（variance），下列敘述哪一項正確？ (A) 高偏差代表模型過於複雜 (B) 高變異代表模型過於簡單 (C) 模型訓練的目標為低偏差與高變異 (D) 偏差與變異之間存在抵換（trade-off）關係

46.下列哪一項「不」屬於監督式學習（Supervised Learning）？ (A) K 平均法（K-Means） (B) 決策樹（Decision Tree） (C) 支援向量機（Support Vector Machine, SVM） (D) 邏輯迴歸（Logistic Regression）

47.如附圖所示，關於二元分類（binary classification），若一分類模型產生之混淆矩陣（confusion matrix），該模型之精確度（precision）為下列哪一項？
(A) 3 / 11 (B) 8/ 20 (C) 19 / 34 (D) 8 / 11

48.使用線性模型（Linear Model）方法時，針對稀疏資料（Sparse data），最適合使用下列哪一種處理方式？ (A) 核方法（Kernel Method） (B) 過採樣（Over Sampling） (C) 降採樣（Down Sampling） (D) 交叉驗證（Cross Validation）

49.如附圖所示，針對同一份資料建立的四種複迴歸模型，根據各種模型之指標資訊，請問下列哪一個為最佳模型？
(A) 模型 1 (B) 模型 2 (C) 模型 3 (D) 模型 4

50. 關於監督式學習（Supervised Learning）常用的演算法，下列敘述哪一項錯誤？ (A) Linear Regression 可以建立自變數與應變數的關係 (B) LASSO 是迴歸演算法的延伸，對於精簡的模型有較高的獎勵，並懲罰較複雜的模型 (C) 隨機森林是多棵決策樹的集成模型 (D) SVM 在特定條件下，可以將資料維度映射到低維度上，藉此找到較佳的分類方式

111年 - 111 巨量資料分析師能力鑑定考試02：資料處理與分析概論#114287

試卷資訊

選擇題 (50)

申論題 (0)