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 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 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 None 2. 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？ 接受虛無假設 拒絕對立假設 拒絕虛無假設 接受對立假設 None 3. 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？ A C B D None 4. 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 None 5. 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 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 上述程式碼會刪除欄位 ColB 中有缺失值的資料列 None 6. 關於低結構化文字資料前處理的敘述，下列哪一項錯誤？ 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 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 None 7. 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？ 需要更多數據來驗證檢定結果的穩定性 不拒絕虛無假設，因為樣本平均數未顯著超過 75 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 p 值略低於 0.05 None 8. 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 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 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 順序型資料（Ordinal Data）的比較可以使用中位數來評估差異 None 9. 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？ 四分位距（IQR）：56 仟元 第三個四分位數（Q3）：72 仟元 四分位距（IQR）：17 仟元 第一個四分位數（Q1）：50 仟元 None 10. 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 資料計算共變異數需要轉換成寬格式資料 圖形文法的繪圖套件，只接受短格式資料 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？ 從原始數據中提取最具變異性的特徵以減少維度 透過轉換數據來強化特徵之間的相關性 提高數據的維度以捕捉更多的特徵訊息 將特徵轉換為類別變數以便於模型訓練 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？ 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 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 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 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 None 13. 關於類別資料編碼方式的敘述，下列哪一項正確？ 在進行 one-hot encoding 時，每個類別會被編碼為唯一的整數值，並保持數值之間的順序關係 dummy encoding 的編碼結果與 one-hot encoding 完全相同，無論模型使用哪種編碼方式，結果都是一致的 使用 one-hot encoding 時，適合應用於類別數量較多的資料，因為它可以有效減少維度的複雜度 label encoding 適合用於具有順序性質的類別資料，例如學歷（高中、大學、碩士、博士） None 14. 下列哪一項最適合描述「信賴區間（Confidence Interval）」？ 一個區間，測量樣本標準差的範圍 一個區間，內含樣本平均值的可能範圍 一個區間，內含所有樣本數據，並附有一定的信賴水準 一個區間，內含母體參數的可能範圍，並附有一定的信賴水準 None 15. 下列哪一項技術通常用於減少線性迴歸模型中的多重共線性問題？ 標準化（Standardization） 脊迴歸（Ridge Regression） 隨機森林（Random Forest） 多元線性迴歸（Multiple Linear Regression） None 16. 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 1 列是匯入 pandas 套件，並設定別名為 pd 第 4 列是統計各群別銷售地區的資料內容加總 第 2 列是讀取 CSV 檔案轉成資料框型別 第 3 列是以產品種類進行分群 None 17. 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 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 比率尺度可以轉換成名目尺度 None 18. 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 19. 假設一組資料呈現正偏態（右偏態），下列敘述哪一項正確？ 平均數等於中位數 平均數大於中位數 中位數和眾數相同 平均數小於中位數 None 20. 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 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 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
