iPAS AI 應用規劃師初級 115 年第一次 科一 第 44 題 詳解

115 年第一次 科一 人工智慧基礎概論

某零售業者建立顧客行為預測模型，資料集中包含「年消費金額」、「平均單筆交易金額」及「會員年資」等數值型特徵。資料分析顯示，部分金額特徵呈現高度偏態分布，少數樣本的數值顯著高於多數觀測值。為降低極端值對模型學習穩定性的影響，下列哪一種特徵工程方法最適合？

1. A對數轉換（Log Transformation）（正確答案）

   對數轉換壓縮右尾，使偏態分布趨近常態。

2. B區間化（Binning）

   分箱會犧牲數值精度，且切點選擇主觀。

3. COne-hot編碼（One-hot Encoding）

   只適用類別型特徵，與數值偏態無關。

4. D隨機重抽樣（Random Resampling）

   處理樣本類別不平衡，不改變特徵分布形狀。