iPAS AI 應用規劃師初級 115 年第一次 科一 第 8 題 詳解

115 年第一次 科一 人工智慧基礎概論

某零售企業在建置機器學習模型預測顧客購買機率時，資料同時包含大量稀疏類別特徵與數值型特徵。團隊希望模型既能學習過去已出現的特徵組合規律，也能對未出現的特徵組合做出合理預測。下列哪一種模型架構最適合此類需求？

1. A線性迴歸（Linear Regression）

   線性迴歸只能學線性關係，無法處理高階特徵交互。

2. B決策樹（Decision Tree）

   決策樹靠切分規則，對稀疏類別與未見組合泛化差。

3. C支援向量機（Support Vector Machine, SVM）

   SVM 需核函數且對大量稀疏類別特徵擴展性不佳。

4. D寬深模型（Wide and Deep）（正確答案）

   寬部負責記憶、深部負責泛化，正好對應雙重需求。