iPAS 考題解析
某醫院希望開發一個系統，根據患者的年齡、血壓與BMI等資訊，預測其罹患糖尿病的機率（0~1），並依據預測值是否超過0.5做出風險警示。下列哪一種模型最適合用於此分類任務？
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
- 人工智慧概念
- 能力指標
- AI 的定義與分類（L11101）
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「人工智慧概念」範疇， 對應的能力指標為「AI 的定義與分類」，涵蓋AI 定義、弱 AI vs 強 AI vs 超 AI 分類、三大 AI 浪潮等核心知識點。 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
某醫院希望開發一個系統，根據患者的年齡、血壓與BMI等資訊，預測其罹患糖尿病的機率（0~1），並依據預測值是否超過0.5做出風險警示。下列哪一種模型最適合用於此分類任務？
- A. 邏輯迴歸（Logistic Regression）； ✓ 正確答案
- B. 支援向量機（Support Vector Machine）；
- C. 決策樹（Decision Tree）；
- D. K平均演算法（K-means）
詳細解析
正確答案：A. 邏輯迴歸（Logistic Regression）；
邏輯迴歸（Logistic Regression）輸出 0~1 的機率值，搭配閾值（Threshold）0.5 做二元分類（Binary Classification），最適合此風險預測任務。
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. 邏輯迴歸（Logistic Regression）； （正確）
邏輯迴歸（Logistic Regression）很適合預測機率值（0到1之間），再搭配0.5的閾值來判斷是否罹患糖尿病，完美符合題目需求。它就是為二元分類設計的。
B. 支援向量機（Support Vector Machine）； （不正確）
支援向量機（SVM）主要輸出的是分類的決策邊界，直接給出類別，而不是像邏輯迴歸那樣直接輸出0到1的機率值，所以不那麼適合預測機率。
C. 決策樹（Decision Tree）； （不正確）
決策樹（Decision Tree）雖然可以做分類，但它通常直接輸出類別，或透過葉節點的樣本比例來估計機率，不像邏輯迴歸那樣直接且平滑地輸出連續機率值。
D. K平均演算法（K-means） （不正確）
K平均演算法（K-means）是一種非監督式學習的分群演算法，用來把資料分成幾群，它不能用來預測罹患糖尿病的機率，因為它不需要事先知道標籤。
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。