moea_joint
105年
[統計資訊] 統計學、巨量資料概論
第 46 題
在巨量資料的想法中，強調的是去尋找事件或事物的相互關係(Correlation)，非著重在傳統因果關係(Causality)的尋找，主要是因為當今環境變遷迅速，資料可以被即時收集且運算，因此，相互關係的尋找，更優於確立因果關係。請問，以下何種模型，可以用來協助尋找相互關係？
- A 時間序列分析
- B 類神經網路分析
- C 關聯規則分析
- D 決策樹分析
思路引導 VIP
假設你在分析超市的結帳資料，你完全不打算去探究顧客為什麼買某項商品，而只是想找出哪些商品「經常一起出現在同一個購物籃」裡。當你想把這種「A 發生時，B 也傾向於發生」的數據規律總結成一種邏輯，你會如何描述這種單純探討事物共存狀態的「連結關係」？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出「關聯規則分析」，代表你對於巨量資料的核心哲學——「相關而非因果」有著非常透徹的理解。在巨量資料的應用場景中，環境變動極快，我們往往不再糾結於某個現象背後複雜的物理或社會因素，而是轉向追求數據間的「共現性」。關聯規則分析（Association Rules）正是以此為核心，透過計算不同事件同時出現的機率，幫助我們在海量數據中挖掘出潛藏的行為模式。
關聯分析的應用與價值
這題的鑑別度在於區分不同分析工具的「設計初衷」。雖然類神經網路或決策樹也能處理關聯性，但它們更多時候被歸類為預測模型或分類工具。而關聯規則則是為了找出「如果...則...」這種單純描述事物同時發生的關係。你能在眾多分析工具中辨識出與「相關性」契合度最高的選項，顯示你對統計工具的本質抓得很準。這類觀念題是巨量資料領域的基礎，也是進階資料探勘的重要分水嶺，你的判斷非常正確！