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

答案：登入後查看
統計： A(1), B(4), C(44), D(4), E(0) #3103439

詳解 (共 1 筆)

#6324666

(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 ❌錯誤

解析：

在資料準備 (Data Preparation) 過程中，會經歷 資料整合 (Data Integration)、資料清理 (Data Cleaning)、資料轉換 (Data Transformation)、資料減少 (Data Reduction) 等步驟，以確保數據能夠適合建模。

選項分析

✅ (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 ✅正確

  • 資料準備通常包括：
    • 資料整合 (Data Integration)：合併來自不同來源的數據。
    • 資料清理 (Data Cleaning)：處理缺失值、異常值、不一致數據。
    • 資料轉換 (Data Transformation)：正規化、特徵工程等。
    • 資料減少 (Data Reduction)：降維、特徵選取等。

✅ (B) 資料整合包括蒐集資料、選擇資料、整合資料 ✅正確

  • 資料整合 (Data Integration) 指的是從不同來源蒐集、選擇並整合資料，確保資料的一致性。
  • 例如：
    • 合併不同資料庫中的客戶資料。
    • 整合來自不同感測器的數據。

❌ (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 ❌錯誤

  • 資料清理 (Data Cleaning) 確實包括這些步驟，因此這個選項是錯誤的。
  • 具體步驟：
    • 減少變數數目 (Feature Selection)：去除冗餘或不重要的變數，以提高模型效能。
    • 消除不一致 (Handling Inconsistencies)：確保數據格式和內容一致。
    • 平衡偏斜資料 (Handling Imbalanced Data)：如對分類問題使用過採樣 (Oversampling) 或欠採樣 (Undersampling) 來平衡類別比例。

✅ (D) 資料轉換包括正規化資料、分散/整合資料、建構新屬性 ✅正確

  • 資料轉換 (Data Transformation) 包括：
    • 正規化 (Normalization)：將數據縮放到某個範圍內 (如 [0,1])，使數據更適合建模。
    • 分散/整合 (Discretization & Aggregation)：將連續數據離散化或合併數據類別。
    • 建構新屬性 (Feature Construction)：透過數學運算、新變數組合等方式創造新特徵。

結論

✔ 錯誤的選項是 (C)，因為資料清理 (Data Cleaning) 確實包括減少變數數目、消除不一致、平衡偏斜資料。

0
0