一位資料分析師希望減少輸入特徵的維度，以提升模型運算效率，並觀察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數量，下列哪一項方法最適合？

iPAS 考題解析

一位資料分析師希望減少輸入特徵的維度，以提升模型運算效率，並觀察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數量，下列哪一項方法最適合？

  • A. 套用主成分分析（PCA）以擷取主要變異方向並轉換新變數； ✓ 正確答案
  • B. 利用離散化方法將連續變數轉為分類型欄位；
  • C. 使用標準化方法將所有特徵縮放至相同數值區間；
  • D. 以ETL技術移除空值欄位並改儲為JSON格式

詳細解析

主成分分析（Principal Component Analysis, PCA）透過擷取主要變異方向（Principal Components）來降維（Dimensionality Reduction），能保留最大資訊量同時減少特徵數量。

難度：★★☆