中級 大數據處理分析與應用
難度：未標示 114 年考題
題目與選項
某團隊在開發風險評估模型時，使用主成分分析（Principal Component Analysis, PCA）進行降維。輸入資料包含三個數值欄位：「交易金額（單位：新台幣）」、「交易次數（次／月）」與「年齡（歲）」，其數值量級分別約為 10^5、10^1 與 10^2。分析人員直接將原始數據帶入 PCA，結果第一主成分（PC1）幾乎完全由「交易金額」主導。下列哪一項作法或判斷最合理？
- A. 這是正常現象，金額本身變異較大，應主導主成分
- B. 若改用特徵選擇法，可自動解決變數量級問題
- C. 可刪除「交易金額」欄位以平衡各主成分的影響
- D. 在進行 PCA 前應先進行標準化（Standardization），以避免因數值尺度差異造成特徵偏誤 ✓ 正確答案
詳細解析
正確答案：D. 在進行 PCA 前應先進行標準化（Standardization），以避免因數值尺度差異造成特徵偏誤
PCA 用共變異數矩陣找主成分，數值大的特徵必然主導方差，讓 PCA 偏向它。解決方法是：在進行 PCA 前先進行標準化（Standardization），讓每個特徵的平均值為 0、標準差為 1，消除尺度差異的影響。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
若開發一個用於罕見疾病自動診斷的分類模型，目前資料集中確診樣本僅佔不到 1%，且因為標註成本高，短期內無法取得更多資料。在此情況下，若希望提升模型對少數類的偵測能力，同時避免過擬合，下列哪一種策略最為合理？
中級 大數據處理分析與應用 難度 未標示 114 年
團隊希望比較北美、歐洲、日本及其他地區的整體銷售比例，並使用 seaborn 套件以長條圖的形式進行可視化分析。請選出能正確顯示這些地區銷售總額比例的程式碼。
中級 大數據處理分析與應用 難度 未標示 114 年
某組資料共 10 項標籤如下：A, A, A, A, A, B, B, B, B, B 若該標籤僅有 A、B 兩種，請問這組資料的「正規化吉尼不純度（Normalized Gini impurity）」為何？
中級 大數據處理分析與應用 難度 未標示 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
資料來源
114-2-mid-2/q29
開始準備 iPAS 考試
題目來源：114-2-mid-2/q29。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。