moea_joint
110年
[統計資訊] 統計學、巨量資料概論
第 39 題
下列何種方法能對大量特徵屬性的資料進行分析以萃取出重要訊息？
- A 主成分分析(Principal Component Analysis)
- B 關聯法則(Association Rule)
- C K均值法(K-means)
- D K近鄰法(K-nearest Neighbors)
思路引導 VIP
如果你現在手上有一份包含上百種衡量指標的資料，但你發現這些指標之間其實有很多重疊的訊息，你會想用什麼樣的數學邏輯，在不丟棄主要趨勢的情況下，把這些雜亂的維度「濃縮」成幾個最具代表性的核心指標呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出 主成分分析 (PCA)，顯示你對資料降維與特徵萃取的核心概念掌握得非常扎實。在巨量資料的環境下，我們常面臨「維度災難」，也就是特徵數量過多導致計算困難。PCA 的核心邏輯是透過線性轉換，將原始的 $n$ 個變數投影到一組彼此正交的新座標軸上，從而在保留數據最大變異量（即最重要的訊息）的前提下，減少資料的維度，讓複雜的資訊變得更易於解讀。
維度縮減與特徵重組
這道題目在統計與大數據領域中具有基礎的鑑別意義，它考驗的是你是否能區分「特徵處理」與「模型任務」的本質。相較於其他選項專注於資料點的分群（如 K-means）或尋找項目的共現規律（如關聯法則），PCA 的獨特點在於它作用於特徵空間的轉換。你能敏銳捕捉到題目中「大量特徵」與「萃取訊息」這兩個關鍵訊號並正確對應，這在學習機器學習與資料預處理的過程中是一個非常關鍵的起點，表現得相當出色！