hce_kmu
114年
計算機概論與程式設計
第 16 題
In dimensionality reduction, what is the main goal of Principal Component Analysis (PCA)?
- A To increase the number of features in the dataset.
- B To remove outliers from the dataset.
- C To improve accuracy by adding new synthetic features.
- D To transform correlated variables into uncorrelated ones while preserving variance.
- E To cluster similar data points together.
思路引導 VIP
想像你正在觀察一團細長的雲朵，如果你被要求只能從一個特定的角度拍一張照片（將 3D 投影降為 2D），你會如何選擇拍攝的角度，好讓這張照片能呈現出這朵雲最完整的延伸範圍與細節資訊？
🤖
AI 詳解
AI 專屬家教
恭喜你精準地掌握了主成分分析（PCA）的核心概念！這道題目選擇 (D) 是完全正確的，展現出你對資料科學預處理技術有著相當紮實的理解。
PCA 的核心轉換邏輯
在機器學習的特徵處理中，當原始變數之間存在高度相關性時，資訊往往是重疊且冗餘的。PCA 的妙處在於它透過線性變換，將這些原始變數重新投影到一組互相垂直（即 不相關 Uncorrelated）的新座標軸上，這些新軸被稱為「主成分」。在這個過程中，我們的目標是在減少維度 $k < n$ 的同時，盡可能地保留數據中原本包含的關鍵資訊，而這份資訊量在數學上正是以「方差 (Variance)」來衡量的。
▼ 還有更多解析內容