44. 在機器學習中，「叢集(Clustering)」方法最典型的應用情境是下列何者？
(A)根據歷史交易紀錄與已標註的詐欺案例，訓練模型來偵測未來的詐 欺交易；
(B)使用醫療數據與病患的診斷標籤，建立模型以預測病人是否罹患特 定疾病；
(C)根據顧客的消費行為與特徵，將顧客自動劃分為數個群組，以便進 行差異化行銷；
(D)透過大量已標註影像，訓練深度學習模型來辨識照片中的物件種類

答案：登入後查看
統計： A(3), B(4), C(41), D(11), E(0) #3869587

詳解 (共 1 筆)

#7368255

這題的正確答案是 (C) 根據顧客的消費行為與特徵，將顧客自動劃分為數個群組，以便進行差異化行銷。

以下是針對每個選項的邏輯推理與機器學習概念分析：

  • ✅ (C) 是正確的： 叢集（Clustering） 屬於非監督式學習（Unsupervised Learning）。它的核心特徵是處理「沒有標準答案（無標籤, Unlabeled）」的資料。演算法（如 K-means、DBSCAN 等）會根據資料點之間的特徵相似度，自動將它們分門別類聚集在一起。選項 (C) 中提到將顧客「自動劃分為數個群組」，這正是商業上最常見的叢集應用——顧客分群（Customer Segmentation），完全符合非監督式學習的情境。

  • ❌ (A) 是錯誤的： 選項明確提到「已標註的詐欺案例」。既然資料已經有標準答案（標註為詐欺或正常），這屬於監督式學習（Supervised Learning）中的分類（Classification）任務，而不是叢集。

  • ❌ (B) 是錯誤的： 選項提到使用「病患的診斷標籤」。同樣地，這代表資料是有標準答案的（患病或未患病），這也是監督式學習中的二元分類問題。

  • ❌ (D) 是錯誤的： 選項提到透過「大量已標註影像」來訓練模型。只要出現「已標註（Labeled）」，就明確屬於監督式學習的範疇（在此為影像分類任務）。

0
0