中級 機器學習技術與應用
難度：未標示 114 年考題
題目與選項
在建構以距離為基礎的機器學習模型（如 KNN、SVM）時，下列哪一項資料前處理方式最為關鍵？
- A. 進行特徵縮放（Feature Scaling），使各特徵變數具有相似的數值範圍 ✓ 正確答案
- B. 將連續型特徵變數轉換為類別型變數
- C. 以平均值或中位數進行缺失值補齊
- D. 進行隨機抽樣以平衡資料筆數
詳細解析
正確答案：A. 進行特徵縮放（Feature Scaling），使各特徵變數具有相似的數值範圍
距離型模型（KNN、SVM）最關鍵的前處理是特徵縮放（Feature Scaling）：把所有特徵的數值範圍調成差不多大，避免數值大的特徵主導距離計算、數值小的特徵被完全忽略。
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。
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-3/q09
開始準備 iPAS 考試
題目來源：114-2-mid-3/q09。 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。