iPAS AI 應用規劃師初級 115 年第三次 科一 第 9 題 詳解

115 年第三次 科一 人工智慧基礎概論

某電商平台計劃開發一個機器學習模型，目標是在每個月底自動預測哪些現有會員在下個月可能會流失（不再消費），以便行銷團隊提前發送優惠券進行挽留。若要提升模型預測會員流失的效果，在進行特徵工程（Feature Engineering）時，下列哪一項作法最適合？

1. A為了提高預測的準確度，特徵與要預測的目標值（是否流失）之間，在統計上不需要具備任何關聯性或因果關係

   特徵與目標若無統計關聯，對預測毫無貢獻。

2. B可以將「會員下個月是否仍有消費紀錄」加入模型特徵，因為該資訊與會員是否流失具有高度關聯性

   下個月的消費紀錄是未來資訊，屬典型資料洩漏。

3. C為了縮短模型推理（Inference）的反應時間，特徵所涵蓋的時間範圍越短越好，建議一律只保留前一天的單日行為資料

   流失預測需長期行為趨勢，單日資料反而失真。

4. D所選取的特徵，必須是在每個月底模型進行預測的當下，系統就能實際取得且掌握的已知資料（正確答案）

   符合預測時點可取得的特徵可用性原則。