iPAS AI 應用規劃師初級 114 年第四次 科一 第 43 題 詳解

114 年第四次 科一 人工智慧基礎概論

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。由於各特徵的數值範圍差異極大（例如績效分數1–5、加班時數0–80、年齡20–65），若直接輸入至使用梯度下降的邏輯迴歸(Logistic Regression)模型，可能導致模型收斂緩慢或權重偏斜。為提升模型訓練效率與準確度，下列哪一種特徵工程方法最適合應用於這些數值特徵？

1. A布林轉換（Boolean Conversion）

   布林轉換把特徵壓成是非兩值，會丟失數值大小資訊。

2. B時間序列分解（Time Series Decomposition）

   時間序列分解用於拆解趨勢與季節性，此處無時間軸。

3. COne-hot編碼（One-hot Encoding）

   One-hot 針對類別型欄位，對連續數值不適用。

4. D數值標準化（Numerical Standardization）（正確答案）

   標準化統一尺度，讓梯度下降收斂穩定且權重不偏斜。