阿摩線上測驗
登入
首頁
>
iPAS◆資料處理與分析概論◆初級
>
109年 - 109 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119176
> 試題詳解
37. 自動編碼器(Autoencoder)通常「不會」用來做下列何項工作?
(A) 資料降維
(B) 無損壓縮影像
(C) 特徵擷取
(D) 去雜訊
答案:
登入後查看
統計:
A(1), B(6), C(2), D(1), E(0) #3219171
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/10/26
#6971434
1. 題目解析 自動編碼器(Autoen...
(共 991 字,隱藏中)
前往觀看
0
0
相關試題
38. 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)。若模型追求較高的精確率 (precision),則應提高下列何者? (A) TP (B) TN (C) TP/(TP+FP) (D) TP/(TP+FN)
#3219172
39. 特徵挑選(Feature Selection)是指挑選原始資料中的合宜屬性,或可視為移除缺乏訊息內涵之變數的維度縮減策略,下列常用的降維方法 中,何者屬於特徵挑選的方式? (A) 因子分析(Factor Analysis) (B) 非負矩陣分解(Non-negative Matrix Factorization) (C) 隨機投影(Random Projections) (D) 高相關過濾(High Correlation Filter)
#3219173
40. 特徵萃取(Feature Extraction)是指將原始資料的屬性進行結合,以產生新的代理變數(Surrogate Variables)。下列常用的降維方法中,何者 屬於特徵萃取的方式? (A) 低變異過濾(Low Variance Filter) (B) 多維尺度分析(Multidimensional Scaling) (C) 隨機森林(Random Forests) (D) 高相關過濾(High Correlation Filter)
#3219174
41. 模型複雜度與預測誤差之間的變化關係,通常是越複雜的模型與訓練集合配適的越好。因此,一般而言訓練集的預測誤差,會隨著模型複 雜度如何變化? (A) 增加而增加 (B) 減少而減少 (C) 增加而減少 (D) 減少而增加
#3219175
42. 下列何種演算法較「不適合」進行分類預測? (A) 決策樹(Decision Tree) (B) 線性迴歸(Linear Regression) (C) 羅吉斯迴歸(Logistic Regression) (D) K-近鄰演算法(K-Nearest Neighbor)
#3219176
43. 請問若只需輸入大學生的身高和體重來預測其腰圍,使用何種演算法 較為合適? (A) 簡單線性迴歸 (B) 多元線性迴歸 (C) 羅吉斯迴歸 (D) 關聯規則
#3219177
44. 迴歸問題和分類問題都屬於監督式學習,關於兩者的反應變數,下列 敘述何者正確? (A) 前者是類別型反應變數,後者是數值型反應變數 (B) 前者是數值型反應變數,後者是類別型反應變數 (C) 兩者都是數值型反應變數 (D) 兩者都是類別型反應變數
#3219178
45. 在進行機器學習時,下列何者「不是」避免過度配適(overfitting)的方法? (A) 減少資料量 (B) 減少模型參數 (C) 使用較簡單的模型 (D) 在損失函數(loss function)加入參數權重的 L2 norm,抑制權重變大
#3219179
46. 下列何種統計機器學習方法,容許資料中存有遺缺值? (A) 類神經網路(Artificial Neural Networks) (B) 分類與迴歸樹(Classification and Regression Trees) (C) K-近鄰法(K-Nearest Neighbors) (D) 羅吉斯迴歸(Logistic Regression)
#3219180
47. 當資料集的預測變數過多時,下列哪種方法是從只有截距項的最簡單 模型出發,逐步加入重要的變數? (A) 後向式逐步迴歸 (B) 前向式逐步迴歸 (C) 中向式逐步迴歸 (D) 反覆式逐步迴歸
#3219181
相關試卷
113年 - 113-1 巨量資料分析師能力鑑定初級試題:資料處理與分析概論#122978
2024 年 · #122978
112年 - 112 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#116824
2023 年 · #116824
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
2022 年 · #114287
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
2021 年 · #119175
110年 - 110-2 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#119174
2021 年 · #119174
109年 - 109-2 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119179
2020 年 · #119179
109年 - 109 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119176
2020 年 · #119176
108年 - 108 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119181
2019 年 · #119181