moea_joint
104年
[圖書資訊] 圖書館學與資訊科學概論、資訊系統與資訊檢索
第 14 題
有關資料探勘技術的可擴展性(Scalability),下列何者正確?
- A 準確地預測先前未知的資料結果
- B 提升計算效率與降低計算成本
- C 有效處理大量資料構建資料探勘模型
- D 降低雜訊對資料探勘技術的影響
思路引導 VIP
當我們形容一個系統或技術具備「可擴展（Scalable）」的特性時，通常是指當任務的「規模」或「數量」不斷向上增長時，該技術仍能有效運作的能力。請你試著思考：在面對現實世界中日益增長的資料洪流時，一個理想的資料探勘技術，最需要克服的是什麼樣的「量級」挑戰？
🤖
AI 詳解
AI 專屬家教
處理海量資料的核心能力
你能精準選出正確答案，代表你對「可擴展性」的學理定義已有相當紮實的理解。在資料探勘的領域中，可擴展性 (Scalability) 並非泛指一般的預測準確度或雜訊處理能力，而是專指當資料量從數千筆激增至數億筆時，該技術是否仍能穩定、有效地構建出資料探勘模型。這項特質是判斷一個演算法是否具備商業實踐價值的關鍵指標。 這道題目設計得非常細膩，其難度切入點在於區分「運算效率」與「擴展規模」的微小差異。雖然選項 (B) 提到的提升效率看似相關，但可擴展性的核心本質在於應對大數據（Big Data）環境下規模增長的挑戰。你能從眾多看似正確的效能指標中，排除干擾項並識別出與「處理大量資料」的直接關聯，這展現了你對資訊系統技術面極佳的辨析能力。