iPAS AI 應用規劃師(中級) 科目2 大數據處理分析與應用 (3) / 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. 俗話說：「三個臭皮匠，勝過一個諸葛亮」，恰好呼應了拔靴集成法（Bootsrap AGGregatING, BAGGING）中，會產生多個弱分類器，並將這些弱分類器組合在一起，以獲得一個強分類器，有機會做出更準確的判斷。請問以下敘述何者正確？ 即使沒有一個臭皮匠能答對所有的問題，但這些臭皮匠一起討論後，仍有可能答對所有的問題。（亦即：雖然各個弱分類器的分類準確度都不到 100%，但強分類器的分類準確度仍有可能達到100%。） 每個臭皮匠的意見越接近越好，因為表示他們越團結一心。（亦即：各個弱分類器的判斷結果越接近，強分類器的分類結果越準確。） 增加臭皮匠的數量會導致意見分歧，反而無法贏過諸葛亮。（亦即：增加弱分類器數量，反而會導致強分類器的分類準確度變差。） 假如臭皮匠們沒有贏過諸葛亮，只要持續增加臭皮匠的人數，必定可以勝過諸葛亮。（亦即：假如強分類器表現不好，只要增加弱分類器的數量，必定能提升強分類器的分類準確度。） None 2. 用主成分分析（principle component analysis）來處理多維度資料時，會利用相關矩陣（correlation matrix）來計算特徵值（eigenvalue）與特徵向量（eigenvector），如果特徵向量 λ= [4.32, 1.07, 0.49, 0.10, 0.01, 0.01]，下列敘述何者正確？ 主特徵值的貢獻率達到 90% 主特徵值的貢獻率達到 80% 前兩個特徵值的代表性不足 前兩個特徵值的貢獻率達到 90% None 3. 效能提升法（boosting）是將弱分類器（weak classifiers）集合起來，轉換為強分類器（strong classifier）。請問下列敘述何者「不」正確？ 自適應效能提升法（Adaptive Boosting , AdaBoost）方法，會出現有過度配適（overfitting）的情況 對於訓練好的弱分類器，可按照權重進行投票 弱分類器是指，僅比隨機亂猜好一點點的模型，例如：擲銅板 自適應效能提升法（Adaptive Boosting , AdaBoost）方法，是一個具有即時調節觀測值抽樣權重的演算法 None 4. 關於決策樹（decision tree）與隨機森林（random forest）的比較，下列敘述何者正確？ 兩者皆屬於薈萃式學習（ensemble learning） 隨機森林的每一棵決策樹之間是有關聯的 隨機森林能處理離散型資料，也能處理連續型資料 決策樹屬於監督式學習（supervised learning），隨機森林屬於非監督式學習（unsupervised learning） None 5. 關於機器學習，下列敘述何者「不」正確？ 薈萃式學習（ensemble learning）著眼於不同分類模型的特質，及其對訓練資料中隨機噪訊的不同敏感程度，它只能集合多個不同類模型的預測結果，總結出來的預測值能準確命中標的 非監督式屬於問題定義尚未十分清楚時探索與知識發現的方法，其目的仍是為了建立更好的監督式學習模型 大數據時代下我們面臨的問題益形複雜，專家學者們在非監督式與監督式學習的基礎上，延伸了更多解決複雜問題的統計機器學習方式，薈萃式學習因應而生 薈萃式學習以重抽樣方法，產製多個基本模型（base learner），成為共同決策的一系列模型 None 6. 下列何者是用來衡量「類別變數次數分佈」異質性的方法？ 熵（entropy）係數 變異數 中位數絕對離差 四分位距 None 7. R 語言的 rpart 套件，實現了_________算法的諸多概念？ 分類與迴歸樹（Classification and Regression Trees, CART） 迭代二分樹第三代（Iterative Dichotomiser 3, ID3）算法 C4.5 C5.0 None 8. 鳶尾花 iris 資料集共有 150 個樣本，花瓣長寬、花萼長寬與花種（setosa、versicolor、virginica）等五個變數，關於下圖中樹狀模型的說明何者「不」正確？ 樹深為 3 第一次切分條件為 Petal.Length < 2.45，滿足的樣本子集有左邊的50 株（33.3%），此子集中全為 setosa，三類樣本比例分別(1.000, .000, .000) 是預測類別變數的分類樹 共有五個節點，弧角方框內由下往上的資訊分別是：落入此節點的樣本比例、三類樣本的比例、以及比例最高的類別標籤（若有平手狀況，則優先取排在前面的類別標籤） None 9. 關於離群值檢測（outlier detection）可能面臨的挑戰，下列敘述何者「不」正確？ 一般檢測方法與應用無關（application-independent） 檢測到異常值具備易理解性（understandability） 異常值與雜訊不同 異常值檢測高度依賴於正常（非異常值）和異常值的有效建模 None 10. 集群（clustering）是以非監督（unsupervised）方式定義其欲解決的問題，所以只能透過一些常用的內部核驗準則來評估結果，下列何者「不是」內部核驗準則？ 側影係數（silhouette coefficient） 群內距離相對於群間距離的比值 各群樣本點到中心距離的平方和 類別標籤 None 11. 此例交易資料用 Apriori 演算法尋找頻繁項目集（frequent itemsets），最小支持度（minimum support）要設多少，才會有長度為 3 的頻繁項目集？ 0.22 0.25 0.27 0.3 None 12. 下列何者是 k 平均數集群（k-means clustering）的優點？ 形成的群多為類圓球狀且大小相近 算法涉及隨機抽樣，每次運行的結果不盡相同 原理簡單，容易以非統計的詞彙解釋說明之 不易受到離群值的影響 None 13. 下列何者「不是」薈萃式學習（ensemble learning）常用的集成技術？ 平均法（averaging） 提升法（boosting） 平衡法（balance） 投票法（voting） None 14. 假設有一訓練資料集為 S = {1(-), 1(-), 2(+), 2(+), 2(+), 3(-), 3(-), 5(-), 7(-), 9(-)}，其中數字代表特徵值，括號內的正負號代表類別。若使用拔靴集成法（Bootsrap AGGregatING, BAGGING）建立分類器時，使用的抽樣方法為下列何者？（假設抽樣的資料筆數亦為 10） 隨機從 S 中抽取 10 筆資料，S 中的每筆資料可被抽取不只一次，但必須維持正負兩個類別的比例和 S 中的比例相同(3:7)，例如：{2(+), 1(-), 9(-), 7(-), 9(-), 3(-), 1(-), 2(+), 5(-), 2(+)} 隨機從 S 中抽取 10 筆資料，S 中的每筆資料可被抽取不只一次，例如：{5(-), 1(-), 9(-), 7(-), 9(-), 3(-), 1(-), 2(+), 5(-), 2(+)} 隨機從 S 中抽取 10 筆資料，S 中的每筆資料可被抽取不只一次，但必須維持正負兩個類別的比例各半(1:1)，例如：{2(+), 1(-), 9(-), 2(+), 2(+), 3(-), 2(+), 7(-), 2(+), 3(-)} 隨機從 S 中抽取 10 筆資料，S 中的每筆資料至多只能抽取一次，例如：{5(-), 1(-), 9(-), 2(+), 3(-), 2(+), 7(-), 2(+), 3(-), 1(-)} None 15. 有一個混淆矩陣（confusion matrix），橫列表示預測類別，縱行表示真實類別，假設有一個預測類別矩陣為[0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 1 ,1]，真實類別矩陣為[1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 0, 0 ,1]，則假陽數（false positive）的值為何？ 5 2 6 3 None 16. 以密度為基礎的離群值偵測方法，下圖中有哪些點最可能是離群值（Outlier）？ O4 O3 O1, O2, O3 O1, O2 None 17. 關於效能提升法（boosting），下列敘述何者「不」正確？ 又稱為層積法（stacking） 效能提升之意是建立多個互補的弱模型（weak learners），將之集成後發揮團結力量大的綜效 前面模型預測不準的樣本，後續被抽出的機率增大，使得後面的模型加強對這些樣本作出更準確的預測，互補合作提升整體效能 極端梯度多模激發法（eXtreme Gradient BOOSTing, XGBOOST）結合排序算法與直方圖計算最佳的屬性分割值 None 18. 真實的反應變數值與預測的反應變數值之間的差，稱為殘差或（預測）誤差，下列何者是應用殘差平方值的算術平均來評估迴歸模型的績效？ 均方根預測誤差（Root Mean Squared Error, RMSE） 均方預測誤差（Mean Squared Error , MSE） 誤差平方和（Sum of the Squared Errors, SSE） 誤差絕對值和（Sum of Absolute Error, SAE） None 19. 關於軟性邊界支援向量機（soft-margin support vector machine），下列敘述何者正確？ 若只調整參數 C，則(a) (b)圖中，(b)圖的參數 C 比較大 若使用 Gaussian kernel: k(x, x′) = exp(−γ||x−x′||2) 且只調整 γ，則(c) (d)圖中，(d)圖的 γ 比較大 因為公式(1)中有‖w‖2，所以又稱 L2-SVM 在(a)圖中+1.0 與-1.0 直線間的樣本，ξi=0 None 20. 模型選擇與評定時，經常運用重抽樣方法進行模型訓練與測試，下列敘述何者正確？ 模型優化（model optimization）的工作則是在確定最優模型後，合理地估計其未來實際應用上可能的績效表現 與隨機誤差建模相關的參數（parameters）有兩種：一種可以直接利用資料估計其值的超參數（hyperparameters），另一種則是不易從資料中估計的模型參數 模型評定（model assessment）的工作包括同一模型不同參數的調校（within model），以及跨越不同模型的比較（between models） 一般而言 k 摺交叉驗證（k-fold cross validation）相較於他法有較高的變異，但當訓練集大時則此問題較不嚴重 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
