iPAS AI 應用規劃師初級 114 年第四次 科一 第 21 題 詳解
114 年第四次 科一 人工智慧基礎概論 · 考點:資料整理與分析流程
某金融科技公司正開發一套違約風險預測系統,需大量處理不同客戶的財務特徵資料。考量到資料特徵數量眾多,且希望提升預測的穩定性與泛化能力,下列哪一種鑑別式AI模型最適合?
- A邏輯迴歸(Logistic Regression)
線性模型,特徵多且非線性時表現受限。
- B支援向量機(Support Vector Machine)
高維可行,但對大量資料訓練成本高且調參敏感。
- C決策樹(Decision Tree)
單棵樹易過度配適,穩定性不足。
- D隨機森林(Random Forest)(正確答案)
多樹集成降低變異,泛化與穩定性最佳。
正確答案:D
考生能否辨識集成式學習模型在高維特徵下提升泛化能力的特性。 看題目強調「穩定性、泛化、特徵眾多」時,優先想集成學習(Ensemble)類模型。
用刷8題準備 iPAS AI 應用規劃師初級
每天隨手刷 8 題,答錯的題目會自動排回來再考一次。不用註冊,打開就能開始。
開始刷題同考點的題目
資料整理與分析流程
- 114 年第四次 科一 第 33 題在工業物聯網架構中,進行設備預測性維護(Predictive Maintenance)時,若面對異常事件發生頻率極低、樣…
- 114 年第四次 科一 第 35 題某大型零售企業準備將商品推薦模型上線,專案團隊在檢視訓練資料時,發現部分商品類別(例如高價商品)樣本數量極少,而多數樣本…
- 114 年第四次 科一 第 37 題某金融科技公司在利用歷史交易資料建立風險控管模型時,嘗試推估整體詐騙交易比例。近期發現,樣本間存在明顯的時間序列相關性,…
- 114 年第四次 科一 第 41 題一家旅遊平台希望建立模型,預測顧客下次是否會再次透過該平台訂房。資料包含:顧客ID、年齡、旅遊次數、平均花費金額、主要交…
- 114 年第四次 科一 第 43 題某公司欲建立員工離職風險預測模型,資料集中包含「年度績效分數」、「平均每月加班時數」、「年齡」等數值型特徵。由於各特徵的…