1-4 解析機器學習核心概念

/ iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 初級, 測驗題庫 / 作者:

1-4 解析機器學習核心概念模擬測驗，採智能選題，無限次反覆練習。

1. 
在進行特徵選擇時，採用包裝法（Wrapper Method）的主要缺點是：

2. 
若某預測模型在訓練集表現極佳但在驗證集表現不佳，最可能的原因是：

3. 
驗證資料集的主要用途是：

4. 
在處理時間戳記特徵時，下列哪種轉換最不可能提供有用訊息：

5. 
資料收集時的法律考量包括：

6. 
在進行深度學習特徵提取時，最不需要考慮的因素是：

7. 
在進行特徵選擇時，遞歸特徵消除法（RFE）的主要缺點是：

8. 
在信用卡詐欺偵測的應用中，資料集呈現嚴重不平衡，下列處理方式何者最不適當？

9. 
特徵選擇的重要性不包括：

10. 
在特徵選擇中使用正則化方法時，最不適合的情況是：

11. 
在建立推薦系統時，特徵工程最不需要考慮的因素是：

12. 
在處理時序預測問題時，最不適合的資料分割方式是：

13. 
在進行增量學習時，最不適合的特徵工程策略是：

14. 
特徵選取時最不需要考慮的因素是：

15. 
特徵選取的技巧中，特徵縮放主要適用於：

16. 
在進行特徵分箱時，最不適合的情況是：

17. 
資料集代表性不足可能導致：

18. 
特徵工程中最不重要的考量是：

19. 
處理時空資料時，最不適合的特徵工程方式是：

20. 
資料分割時進行隨機化的主要目的是：


相關文章

error: Content is protected !!
返回頂端