iPAS 考題解析
某模型使用K-近鄰演算法（KNN）進行分類，K設為3。一筆新的測試資料輸入後，與其最接近的3筆資料的類別如下：鄰近樣本1：類別A；鄰近樣本2：類別B；鄰近樣本3：類別A。請問模型會將這筆資料預測為哪一類別？
初級 人工智慧基礎概論
難度：中等 ★★☆
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 人工智慧基礎概論
- 知識主題
- 機器學習概念
- 能力指標
- 常見的機器學習模型（L11302）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「人工智慧基礎概論」科目中的「機器學習概念」範疇， 對應的能力指標為「常見的機器學習模型」，涵蓋監督式、非監督式、半監督式、強化式、多模態、深度學習等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
某模型使用K-近鄰演算法（KNN）進行分類，K設為3。一筆新的測試資料輸入後，與其最接近的3筆資料的類別如下：鄰近樣本1：類別A；鄰近樣本2：類別B；鄰近樣本3：類別A。請問模型會將這筆資料預測為哪一類別？
- A. 類別A； ✓ 正確答案
- B. 類別B；
- C. 類別A與B各一半，無法分類；
- D. 類別A或B，視距離遠近加權而定
詳細解析
正確答案：A. 類別A；
K-近鄰（K-Nearest Neighbors, KNN）演算法（K-Nearest Neighbors, KNN）以多數決投票（Majority Voting），3 個鄰居中 2 個是類別 A、1 個是類別 B，所以預測為類別 A。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 類別A； （正確）
K-近鄰演算法（KNN）在分類時，會看K個最近鄰居中哪個類別最多。這裡3個鄰居有2個是類別A，1個是類別B，所以多數決會預測為類別A。
B. 類別B； （不正確）
類別B只有1票，而類別A有2票，根據KNN的多數決原則，類別B不是多數，所以不會被選為預測結果。
C. 類別A與B各一半，無法分類； （不正確）
2票對1票，類別A明顯佔多數，所以可以明確分類為類別A，不會出現無法分類的情況。KNN就是透過多數決來解決這種情況。
D. 類別A或B，視距離遠近加權而定 （不正確）
基本的K-近鄰演算法（KNN）通常是等權投票，不會根據距離遠近來加權。即使有加權，2票對1票，類別A仍是多數，預測結果不會改變。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師初級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。