在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊(例如:amount_usd、total_price、transaction_value)，但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策略最合適且具實務可行性？
iPAS 考題解析
在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊(例如:amount_usd、total_price、transaction_value)，但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策略最合適且具實務可行性？
- A. 利用資料探勘技術自動選擇資料集中對目標變數最敏感的欄位，其他欄位捨棄即可，避免過度清理干擾原始結構；
- B. 保留所有相似欄位，交由高階模型(如Gradient Boosting或Deep Learning)自動學習特徵關聯，無需手動處理；
- C. 建立欄位命名標準，統一金額單位與格式，進行欄位正規化與語義合併，減少重複資訊影響特徵重要性估計； ✓ 正確答案
- D. 將重複欄位視為類別欄位，進行One-hot編碼（One-hot encoding）後輸入模型，以避免數值誤導模型學習過程
詳細解析
面對語義重疊的欄位（Semantic Overlap），建立欄位命名標準、統一格式並進行語義合併（Semantic Merge）是最合適的資料處理策略。
難度：★★★