31. 某資料工程師嘗試對包含 300 個特徵的使用者行為資料集使用 DBSCAN 進行群 集分析，但發現幾乎所有資料點都被判定為雜訊點(Noise Points)，難以形成有 意義的群集，即使不斷調整ε(Epsilon)與 MinPts 參數也無濟於事。請問下列何 者為此問題最可能的根本原因？
(A)在高維空間中，維度詛咒(Curse of Dimensionality)使得資料點之間的距離趨 於相近，導致 DBSCAN 的密度估計失效；
(B)DBSCAN 演算法僅適用於低維資料，無法處理高維資料；
(C)300 個特徵的資料必然不具備群集結構，因此無法進行有效的分群；
(D)高維空間中核心點的數量會受到數學限制，導致無法形成群集

答案：登入後查看
統計： 尚無統計資料