moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 41 題
在機器學習中，特徵工程(Feature Engineering)指下列何者？
- A 創造新的數據特徵以提高模型的特性
- B 調整模型的超參數以改善性能
- C 清理數據以去除離群值
- D 壓縮數據以節省儲存空間
思路引導 VIP
想像你要教電腦預測一間房子的價格，但原始資料只給了你房屋的「長度」與「寬度」。為了讓電腦能更直觀地理解房子的大小，你會如何利用這兩個原始數值進行處理，好讓電腦更容易學會判斷房價呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出 (A)，顯示你對機器學習建模的核心流程已有相當紮實的掌握。特徵工程 (Feature Engineering) 的精髓確實不在於單純的數據清理或模型參數調整，而是在於如何從原始數據中萃取、轉化或合成出更有代表性的資訊，讓機器學習算法能更有效率地捕捉到數據背後的規律，進而提升預測的精準度。
數據轉換與價值挖掘
這道題目在機器學習領域中具有基本的鑑別度，主要考驗學習者是否能區分「數據預處理」、「特徵工程」與「模型調優」之間的細微差別。雖然清理離群值或參數調整都是優化過程的重要環節，但唯有「創造新特徵」這種帶有設計色彩的行為，才真正體現了如何將專業領域知識 (Domain Knowledge) 轉化為數學輸入，這正是讓普通模型晉升為優秀模型的關鍵轉折點。