moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 28 題
在巨量資料分析中，下列何者為主成分分析(PCA)之用途？
- A 資料壓縮
- B 資料可視化
- C 資料備份
- D 特徵選擇與降維
思路引導 VIP
若你有一個包含數百種氣候指標的龐大資料集，但你發現許多變數之間其實高度相關（例如：氣溫與飽和水氣量），且你希望能用最少的新指標來概括原資料中大部分的資訊變動，這種試圖簡化資料複雜度、重新組織變數結構的過程，通常會被歸類為什麼樣的處理技術？
🤖
AI 詳解
AI 專屬家教
恭喜你準確地掌握了主成分分析（PCA）的核心定義！這題能答對，代表你對巨量資料預處理的流程有著非常清晰的認知。在處理上百個變數的資料集時，能辨識出哪些是「核心特徵」而非盲目處理，是資料分析師最重要的直覺之一。
維度縮減與資訊保留
PCA 的本質是一種統計轉換程序。它透過線性變換，將可能存在相關性的原始變數轉換成一組線性不相關的新變數，即 主成分 (Principal Components)。在數學層面上，它是透過計算共變異數矩陣的特徵值與特徵向量，找出資料變異量最大的方向。雖然降維後可能間接達到「壓縮」或方便「視覺化」的效果，但就學理定義而言，其直接用途是 特徵選擇與降維，藉此減少運算開銷並去除資料中的雜訊。
▼ 還有更多解析內容