iPAS AI應用規劃師(中級) 科目2 大數據處理分析與應用 模擬試題 / iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 中級, 測驗題庫 / 作者: S學院 iPAS AI應用規劃師(中級) 科目2 大數據處理分析與應用 模擬試題 ，採智能選題，無限次反覆練習。 1. 關於 Hadoop 分散式檔案系統的特性，下列哪一項錯誤？ 較不適合低等待時間的資料進出 善於儲存巨量的資料 不適合大量的小檔案 需要高效能且昂貴機器才能運作 None 2. 假設一組資料呈現正偏態（右偏態），下列敘述哪一項正確？ 平均數大於中位數 平均數小於中位數 中位數和眾數相同 平均數等於中位數 None 3. 在進行假設檢定時，當 p 值小於α（顯著性水準）時，下列結論哪一項正確？ 拒絕虛無假設 接受虛無假設 拒絕對立假設 接受對立假設 None 4. 在進行機器學習時，當資料的數值範圍差異過大會影響模型的表現。關於數值資料調整方式的敘述，下列哪一項正確？ 資料正規化（Normalization）會將資料調整成均值為 0、標準差為 1，以便模型能夠更有效率地訓練 資料標準化（Standardization）會將資料的範圍縮放到[0, 1]之間，使得所有變數在相同尺度下進行計算 當資料具有明顯的異常值時，資料標準化可以有效避免異常值的影響，因為其考慮了最小值與最大值 當資料特徵服從常態分佈時，資料標準化相較於正規化更適合用來調整資料範圍 None 5. 特徵選取（Feature Selection）和特徵萃取（Feature Extraction）是兩種不同的技術，用於處理資料集的特徵。關於這兩者的敘述，下列哪一項是正確的比較？ 特徵選取是使用機器學習模型（如決策樹）直接篩選特徵，而特徵萃取則不涉及任何模型的使用 特徵選取常使用隨機森林來選擇特徵，而特徵萃取則是通過聚類分析生成新特徵 特徵萃取比特徵選取更常用於預測模型的訓練過程 特徵選取是從原始特徵中選擇最重要的部分，而特徵萃取是從原始特徵透過特定方法生成新的特徵 None 6. 在資料分析過程中，探索式資料分析（Exploratory Data Analysis, EDA）是一個重要的步驟。關於 EDA 的敘述，下列哪一項錯誤？ EDA 通常是在建立預測模型之前進行的，以便對數據進行初步了解和分析 EDA 幫助分析師了解數據的基本結構和潛在模式 檢查數據中的異常值是 EDA 中常見且重要的過程，EDA 可助於了解數據分佈的特性 在 EDA 中，資料視覺化（Data Visualization）技術通常不會被使用，因為它會增加分析的複雜性 None 7. 如附圖所示為 Python 程式碼，有一變數 df 為 pandas.DataFrame 型態，依序執行附圖 1 程式碼，請問在執行後，選項中之敘述何者錯誤？ 執行上述程式碼後，再執行 df['ColC'].sum()，會得到 9 上述程式碼會刪除欄位 ColB 中有缺失值的資料列 執行上述程式碼後，df 剩下 2 筆資料 上述程式碼會對欄位 ColC，進行缺失值的填補 None 8. 一位數據分析師正在分析一組銷售數據，並希望了解數據的分布特徵以及變數之間的相關性。關於資料分布和相關性的敘述，下列哪一項正確？ 當數據具有常態分佈時，標準差是唯一適合描述數據變異性的指標 散佈圖可以幫助呈現兩個變數之間的關係，包括線性和非線性關係 當變數之間的相關係數為 0 時，表示它們之間存在強烈的非線性關係 數據分布呈現偏態時，算術平均數會比中位數更能準確地反映數據的中心趨勢 None 9. 分析方法通常需要資料轉換成對應的格式才有辦法進行，關於資料格式的說明下列哪一項正確？ 進行變異數分析需要寬格式資料 資料計算相關係數需要轉換成長格式資料 圖形文法的繪圖套件，只接受短格式資料 資料計算共變異數需要轉換成寬格式資料 None 10. 下列哪一項「不」是分散式運算（Distributed Computing）系統提供的優勢？ 系統可擴展：系統可以隨著工作負載增加、需要時進一步擴充 節點數據隔離：每個節點的數據互不共享、互不同步，完全隔離而獨自運作 高容錯可用：即使一部分節點（或稱系統）失效，整個系統仍可運作 硬體使用效率：分散式系統的設計，可有效利用硬體資源提升整體性能 None 11. 遺缺值（Missing Data）是許多資料經常會出現的問題，下列有關遺缺值的敘述哪一項錯誤？ 處理遺缺值的逐案刪除法（Casewise）採行的是完整資料分析（Complete Case Analysis） 相較於非隨機遺缺（Missing Not At Random），完全隨機遺缺（Missing Completely At Random）是比較理想的狀況 處理遺缺值的成對刪除法（Pairwise）採行的是可用資料分析（Available Data Analysis） 利用算術平均、中位數或眾數進行補值是多重補值法（Multiple Imputation）的一種 None 12. 如附圖所示為一資料分佈型態，哪一項是其分位圖（Quantile-Quantile Plot）？ None 13. 關於 Python 所提供的資料表排序功能敘述，下列哪一項錯誤？ sort_index()是以內定列索引為鍵值（Key 值）進行排序 ascending=True，表示由小到大排列 ascending=False，表示由大到小排列 sort_values()是以內定列索引為鍵值進行排序 None 14. 關於資料尺度的敘述，下列哪一項正確？ 名目尺度是衡量數值型變數 順序尺度加減運算後是有意義的 等距尺度比順序尺度粗糙 比率尺度可以轉換成名目尺度 None 15. 關於決策樹（Decision Tree）的敘述，下列哪一項正確？ 決策樹中的每一個節點都會進行多次分裂，以尋找最佳的分裂特徵和閾值，以達到最佳的模型性能 決策樹的剪枝過程主要是用來增加模型的複雜度，以便更好地擬合訓練數據 決策樹對數據中的小變化不敏感，能夠穩健地處理不同的數據集 決策樹的深度對模型的複雜度和過擬合風險有重要影響，樹的深度越大，模型越容易過度擬合訓練數據 None 16. 在進行數據分析時，了解資料的性質與類型對於選擇合適的分析方法相當重要。關於資料的性質和處理方式，下列敘述哪一項正確？ 順序型資料（Ordinal Data）的比較可以使用中位數來評估差異 名目型資料（Nominal Data）的分析通常需要使用 t 檢定來檢查兩個群體之間的差異 離散型資料（Discrete Data）的分佈通常用連續的機率密度函數來描述 連續型資料（Continuous Data）只能使用線性迴歸進行分析，無法使用其他統計方法 None 17. 巨量資料分析班共有一、二、三、四，四個年級，每個年級有 50 個學生，學生身高呈常態分佈，下列敘述哪一項錯誤？ 要檢測二年級、三年級、四年級之間的平均身高是否有差異，可以利用 F 檢定 要檢測一年級的平均身高是否等於 170 公分，可以利用卡方檢定 要檢測一年級和二年級的平均身高是否有差異，可以利用 t 檢定 要檢測一年級、二年級、三年級之間的平均身高是否有差異，可以利用 t 檢定 None 18. 下列哪一項「不是」購物車分析（Basket Analysis）通常使用的統計量？ 支援度（Support） 增益（Lift） 信心度（Confidence） 相似度（Similarity） None 19. 我們在進行資料清理時，常需要識別、處理資料集中的離群值。請問下列哪個選項「不」是判定資料是否為離群值的合適方法？ 計算平均值和標準差，將超過「平均值加減 N 個標準差」外的資料視為離群值 計算中位數和絕對偏差，將超過「中位數加減 N 個絕對偏差」的資料視為離群值 使用「平均值上下加減 100」作為區間，將該區間外的資料視為離群值 使用箱形圖（Box Plot），判斷資料是否落在四分位距（Interquartile Range）之外 None 20. 某金融科技公司正在開發一個信用評分系統，用於評估貸款申請人的信用風險。他們決定使用隨機森林模型來預測申請人是否可能違約。在模型開發過程中，資料科學團隊注意到模型的準確率很高，但在實際應用中發現一些問題。關於這種情況，下列哪一項陳述最可能是正確的？ 為了提高模型的解釋性，應該將隨機森林替換為單一決策樹模型 隨機森林的特徵以重要性排序顯示，申請人的財力是最重要的預測因子，因此應該只使用財力作為單一特徵來簡化模型 訓練數據中可能存在類別不平衡問題，導致模型對多數類別的預測偏好，需要考慮使用平衡採樣技術 模型可能存在過擬合（over fitting）問題，增加樹的數量即可提高模型實際應用的準確性 None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
