iPAS AI 應用規劃師(中級) 科目2 大數據處理分析與應用 (8) 發佈留言 / 作者: S學院 / 2025-05-24 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. 關於天真貝氏分類器（Naive Bayes Classifier）的敘述，下列哪一項正確？ 天真貝氏分類器假設所有特徵變數之間是高度相關的，並且會影響最終的分類結果 天真貝氏分類器主要用於處理迴歸問題，而不是分類問題 天真貝氏分類器假設所有特徵是條件獨立的，即每個特徵對於目標變數的影響是獨立於其他特徵的 天真貝氏分類器只能在大規模數據集上有效，對小規模數據集無法提供準確的預測 None 2. 如附圖所示為 Python 程式碼，關於程式碼的敘述，下列哪一項錯誤？ 第 2 列是讀取 CSV 檔案轉成資料框型別 第 4 列是統計各群別銷售地區的資料內容加總 第 1 列是匯入 pandas 套件，並設定別名為 pd 第 3 列是以產品種類進行分群 None 3. 假設教師用傳統教學法教授學生之統計平均成績為 75 分。此教師想要驗證一種新的教學方法對學生統計成績的影響，設立的虛無假設為「新的教學方法對學生統計成績沒有影響」（H₀: μ = 75），對立假設為「新的教學方法提高學生統計成績」（Ha: μ > 75）。經過實驗，從 36 名學生中獲得的成績樣本平均數為 78，樣本標準差為 10。計算得出的 t 值為 1.8，對應的 p 值約為 0.04。假設顯著水準（Significance Level）設定為 0.05，請問研究者應該如何解釋數據分析後之檢定結果？ 不拒絕虛無假設，因為 p 值略低於 0.05 需要更多數據來驗證檢定結果的穩定性 拒絕虛無假設，並認為新的教學方法可提高學生統計成績 不拒絕虛無假設，因為樣本平均數未顯著超過 75 None 4. 關於低結構化文字資料前處理的敘述，下列哪一項錯誤？ 移除停駐詞（Stop Words）：例如移除英文中的 the、as、to、from 等介係詞或助詞，它們對本文語意的瞭解可能沒有太大幫助 本文正規化（Text Normalization）：是將輸入的本文轉換為標準形式，如：將數字、符號、縮寫等轉換為全稱 資料清理（Data Cleaning）：例如網頁資料，必須先移除 HTML 標籤（Tag），取出乾淨的本文 分詞（Tokenize）：透過移除單字的後綴，進行字根還原 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 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 None 6. 關於 Python 所提供的資料表排序功能敘述，下列哪一項錯誤？ sort_values()是以內定列索引為鍵值進行排序 ascending=False，表示由大到小排列 ascending=True，表示由小到大排列 sort_index()是以內定列索引為鍵值（Key 值）進行排序 None 7. 在比較不同分組的統計量時，我們通常關注下列哪一項指標？ 平均值和標準差 僅中位數 僅平均值 僅資料的最大值 None 8. 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 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 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 None 9. 一位數據分析師正在分析一組員工薪資數據，並計算以下統計指標。下列敘述哪一項敘述錯誤？ 算術平均數易受到極端高薪或低薪的影響 中位數是將數據排序後位於中間的值，並能有效抵抗極端值的影響 四分位數可以幫助識別數據中的異常值 標準差越大，表示數據的變異性越小，數據點越接近平均數 None 10. 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 接受對立假設 拒絕對立假設 None 11. 在資料分析中，主成份分析（Principal Components Analysis, PCA）是一種特徵萃取（Feature Extraction）的技術。PCA 的主要目的下列哪一項正確？ 提高數據的維度以捕捉更多的特徵訊息 從原始數據中提取最具變異性的特徵以減少維度 將特徵轉換為類別變數以便於模型訓練 透過轉換數據來強化特徵之間的相關性 None 12. 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？ 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 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 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 13. 關於資料尺度的敘述，下列哪一項正確？ 等距尺度比順序尺度粗糙 比率尺度可以轉換成名目尺度 順序尺度加減運算後是有意義的 名目尺度是衡量數值型變數 None 14. 在非監督式學習的觀念和應用情境中，下列敘述哪一項錯誤？ 使用聚類方法（Clustering）將商品依照銷售模式進行分類，以幫助公司制定銷售策略 使用關聯規則學習來分析顧客購買行為，發現商品之間的隱藏關聯 使用主成份分析（Principal Components Analysis, PCA）來降低高維度資料的複雜性，以便進行視覺化分析 使用支持向量機（Support Vector Machine, SVM）對數據進行分類，根據已知標籤來預測新樣本類別 None 15. 假設我們有以下依升序排列的薪資值（仟元）：32、35、48、50、52、56、56、60、65、72、72、120；關於第一個四分位數（First quartile, Q1）、四分位距（Interquartile Range, IQR）與第三個四分位數（Third quartile, Q3），下列敘述哪一項正確？ 第一個四分位數（Q1）：50 仟元 四分位距（IQR）：17 仟元 第三個四分位數（Q3）：72 仟元 四分位距（IQR）：56 仟元 None 16. 下列敘述哪一項正確？ 眾數容易受到極值影響 平均數不會受到極值影響 中位數不會受到極值影響 極值一定是異常值 None 17. 關於文本資料的敘述，下列哪一項正確？ 文本語料庫中，文字資料通常是標準化的資料 詞性標註（Part Of Speech, POS）是一種詮釋資料的方式 文本資料通常不太需要新增額外的詮釋資料，就可擁有不錯的結構性 文本資料是一種高結構化（Highly Structured Data） None 18. 判斷資料是否接近常態可以透過常態分位數圖（Quantile-Quantile Plot , QQ Plot）來檢視，下列哪一項接近常態分佈？ C B D A None 19. 關於決策樹（Decision Tree）的敘述，下列哪一項正確？ 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 20. 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？ 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 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 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 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
