阿摩線上測驗
登入
首頁
>
國營事業◆1.統計學 2.巨量資料概論
>
110年 - 110 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學 2.巨量資料概論#103701
> 試題詳解
37. 關於監督式學習(Supervised Learning),下列敘述何者有誤?
(A)需要有標記(labeled)的數據做為訓練集
(B)決策樹(Decision tree)是一種監督式學習方式
(C) K-mean分群法(k-means clustering)是一種監督式學習方式
(D)監督式學習是機器學習方法中的一個子類別
答案:
登入後查看
統計:
A(1), B(3), C(25), D(3), E(0) #2800019
詳解 (共 1 筆)
C17
B1 · 2025/04/02
#6356685
K-mean分群法(k-means cl...
(共 449 字,隱藏中)
前往觀看
2
0
相關試題
38. 關於MAP Reduce Programming Model,下列敘述何者正確? (A)是一種處理地理資訊的程式設計方法 (B)是一種資料壓縮的技術 (C)是一種類神經網路的程式設計架構 (D)是一種用平行化、在分散式系統上處理數據的程式設計架構 【請翻頁繼續作答】 1.統計學 2.巨量資料概論 第 4 頁,共 4 頁
#2800020
39. 下列何種方法能對大量特徵屬性的資料進行分析以萃取出重要訊息? (A)主成分分析(Principal Component Analysis) (B)關聯法則(Association Rule) (C) K均值法(K-means) (D) K近鄰法(K-nearest Neighbors)
#2800021
40. 關於監督式學習(Supervised Learning),下列敘述何者有誤? (A)函數的輸出可以是預測一個分類標籤或是一個連續的值 (B)訓練資料是由輸入及預期輸出所組成 (C)訓練資料過少時,可利用拔靴法(Bootstrap)進行修正 (D)主成分分析是典型的監督式學習方法
#2800022
41. 關於非監督式學習(Unsupervised Learning),下列敘述何者正確? (A)訓練資料是由輸入及預期輸出所組成 (B)可用於做分群與降維的工具 (C) K Nearest Neighbor演算法屬於非監督式學習方法 (D)決策樹(Decision Tree)是一種常用的非監督式學習方法
#2800023
42. 關於深度學習,下列敘述何者有誤? (A)與傳統機器學習最主要的區別在於數據依賴性,亦即資料量多寡會影響演算法效能 (B)企業過往採用傳統機器學習方法的各項應用,只要升級成以深度學習方法為基礎,都能在 效率與效果上有卓越的提升 (C)卷積神經網路(Convolutional Neural Network)是一個可以被應用於圖形辨識的深度學習方法 (D)深度學習是機器學習的一種演進技術
#2800024
43. 信用卡評分系統是應用機器學習的哪一個概念? (A)社群網絡分析 (B)非監督式學習 (C)關聯法則 (D)監督式學習
#2800025
44. 關於MapReduce,下列敘述何者正確? (A)特別適合用於小型的計算任務 (B)運作原理是將待處理的大量資料劃分為多個數據塊,每個數據塊對應到一個計算任務來運行 (C)需要搭配運算效能強大的伺服器才能發揮效果 (D)使用在需要即時回傳結果的實時計算上極具效率
#2800026
45. 下列哪一個方法能在建模過程中添加隨機噪訊,來解決模型變異過高的問題? (A)拔靴集成法(Bootstrap Aggregating) (B) XGBoost(eXtreme Gradient Boosting) (C)支援向量機(Support Vector Machine) (D)生成式對抗網路(Generative Adversarial Networks)
#2800027
46. 下列何者不屬於關係資料庫管理系統(Relational Database Management System)? (A) Spark SQL (B) Oracle (C) Hive (D) HBase
#2800028
47. 關於隨機森林(Random Forest),下列敘述何者正確? (A)在建立的過程是隨機採樣的,因此即使不剪枝也不容易出現過度配適(Over-fitting)的現象 (B)在資料取樣進行拔靴集成法(Bootstrap Aggregating)的過程中,每次會取出 n 筆資料,且不 重複選取直到資料完全被使用 (C)無法在決定類別的同時,評估變數的重要性 (D)隨機森林中的決策樹個數增加,也不會增加運算效能的負擔
#2800029
相關試卷
113年 - 113 經濟部所屬事業機構_新進職員甄試試題_統計資訊:1.統計學 2.巨量資料概論#136987
2024 年 · #136987
112年 - 112 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學 2.巨量資料概論#116948
2023 年 · #116948
111年 - 111 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學 2.巨量資料概論#111345
2022 年 · #111345
110年 - 110 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學 2.巨量資料概論#103701
2021 年 · #103701
109年 - 109 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學、2.巨量資料概論#92857
2020 年 · #92857
108年 - 108 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學 2.巨量資料概論#80775
2019 年 · #80775
107年 - 107 經濟部所屬事業機構_新進職員甄試 _統計資訊:1.統計學 2.巨量資料概論#92213
2018 年 · #92213
106年 - 106 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學#71742
2017 年 · #71742
106年 - 106 經濟部所屬事業機構_新進職員甄試_統計資訊:2.巨量資料概論#71719
2017 年 · #71719
105年 - 105 經濟部所屬事業機構_新進職員甄試_統計資訊:1.統計學 2.巨量資料概論#60313
2016 年 · #60313