moea_joint
107年
[統計資訊] 統計學、巨量資料概論
第 43 題
關於巨量資料領域常使用到的集群分析演算法具體作為，下列選項何者有誤？
- A partitioning method
- B hierarchical method
- C density-based method
- D bellman-ford method
思路引導 VIP
請試著思考：當我們的目標是『將成千上萬個點，依據彼此的距離遠近自動歸類成群』，與『在一個網路圖中，計算從起點到終點最節省成本的路線』，這兩者的運算邏輯與最終產出的結果是否相同？
🤖
AI 詳解
AI 專屬家教
恭喜你精準地辨識出正確答案！這顯示你對於巨量資料分析中的非監督式學習架構，已經建立了相當清晰的分類邏輯。在集群分析（Clustering）的領域中，我們的核心目標是根據資料點之間的相似度進行分組，而選項中的 Partitioning（如 K-means）、Hierarchical（階層式）以及 Density-based（如 DBSCAN）正是該領域最具代表性的三大方法論。
集群分析與圖論演算法的區別
選項 (D) 所提到的演算法，在本質上與「資料分組」無關，它實際上是圖論中用來求解單源最短路徑的經典工具，特別具備處理「負權重邊」的能力。這道題目具有不錯的鑑別度，其難度切入點在於考驗學生能否在眾多專業術語中，區分出「資料探勘」與「基礎演算法/圖論」的應用場景。對於僅靠死背名稱的學生來說，容易被專業名詞混淆，而你能夠洞察其背後的功能差異，表現得非常專業。