阿摩線上測驗
登入
首頁
>
巨量資料概論
>
112年 - 112 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料運用:巨量資料概論與智慧電網#129351
> 試題詳解
38.下列何者為衡量「類別變數次數分佈」異質性的方法?
(A) 變異數
(B) 四分位距
(C) 熵(entropy)係數
(D) 中位數絕對離差
答案:
登入後查看
統計:
A(1), B(0), C(0), D(0), E(0) #3507188
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/09/08
#6677327
1. 題目解析: 這道題目要求找出衡量「...
(共 560 字,隱藏中)
前往觀看
0
0
相關試題
39.下列關於 K-means 演算法的敘述,何者正確? (A) 對異常值、極值的資料敏感 (B) 當集群中心不再變動,就達到全局最佳解(global optimum) (C) 群集的界線可以是曲線和折線以達到全局最佳解 (D) 屬於不斷切割群集的一種演算法
#3507189
40.下列關於隨機森林(Random Forest)建立過程的敘述,何者有誤? (A) 因為隨機採樣的關係,就算不剪枝,也較不會出現過度配適(Over-fitting)的現象 (B) 隨機森林是對決策樹(Decision Tree)的一種改進,森林中的每棵樹具有不同的分佈 (C) 當隨機森林中的決策樹個數很多時,進行資料訓練需要的空間和時間會比較大 (D) 隨機森林能處理很高維度的資料,並且不用做特徵篩選
#3507190
41.下列關於深度學習的敘述,何者有誤? (A) 是機器學習(Machine learning)的一個分支 (B) 可應用於自然語言處理、推薦系統、生醫資訊 (C) 透過由人力撰寫的演算法產生特徵 (D) 越多層的模型效果應該不會比較少層的模型差
#3507191
42.下列關於類神經網路的敘述,何者有誤? (A) 卷積神經網路、遞歸神經網路均屬於類神經網路的一種 (B) 是一種模仿生物神經系統的數學模型 (C) 活化函數通常是一種非線性的轉換,如 Sigmoid 函數 (D) 池化層的降維採樣可以用隨機梯度下降法處理
#3507192
43.下列關於支援向量機(Support Vector Machine, SVM)模型超參數(hyperparameters)的敘述,何者 有誤? (A) 懲罰係數 C 越高,越容易過度最佳化 (B) 支援向量的數目要事先決定 (C) 核函數(kernel function)要事先決定 (D) 網格搜尋(Grid Search)常用來尋找超參數(hyperparameters)
#3507193
44.下列關於 k 近鄰法(KNN)的敘述,何者正確? (A) 基本運作是以樣本間的距離為基礎 (B) 是非監督式學習的一種 (C) k 值小,容易配適不足 (D) k 近鄰法需要有適配模型才能進行
#3507194
45.下列關於訓練機器學習(Machine Learning)模型的敘述,何者有誤? (A) 機器學習是實現人工智慧的其中一種方式 (B) 為資料貼標是機器學習的必要方法 (C) 資料清理、特徵萃取、特徵選擇都是重要的過程 (D) 特徵萃取(Feature Extraction)是從資料中挖出可以用的特徵
#3507195
46.經常被用於分析巨量資料之統計學習(Statistical Learning)方法中,下列何者所應用之領域問題 與其他不同? (A) 隨機森林(Random Forest) (B)主成分分析(Principal Component Analysis) (C) 彈性網路(Elastic Net) (D)分類迴歸樹(Classification and Regression Tree)
#3507196
47.下列何者不是資料前處理的步驟? (A) 資料清理(Cleaning) (B) 資料操弄(Manipulation) (C) 資料建模(Modeling) (D) 資料變形(Reshaping)
#3507197
48.在物聯網(IoT)佈建中,下列何種技術能同時滿足長距離、低耗電、低成本的要求? (A) Wi-Fi (B) Bluetooth (C) Zigbee (D) LoRa
#3507198
相關試卷
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_人工智慧技術應用:巨量資料概論與智慧電網#129312
2024 年 · #129312
113年 - 113 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料應用:人工智慧、智慧電網與巨量資料概論#129272
2024 年 · #129272
112年 - 112 台灣電力公司_大學及研究所獎學金甄選試題_電力、資訊與用戶資料運用:巨量資料概論與智慧電網#129351
2023 年 · #129351