iPAS 考題解析某金融科技公司建立房價預測模型，使用多項特徵（如建坪、房齡、樓層、總價等）進行線性迴歸分析（Linear Regression Analysis）。資料分析師發現多個特徵之間存在高度相關性，導致模型係數不穩定、預測誤差上升。為解決此問題，下列哪一種方法最適合？

解析

正確答案：B. 使用主成份分析（PCA）將相關特徵轉換為彼此獨立的主成分

PCA可將高度相關的特徵轉換為彼此正交（不相關）的主成分，消除多重共線性問題，從而使線性迴歸模型的係數估計更穩定，提升預測準確性。

每個選項為什麼對或錯

• A 繼續保留所有特徵，不進行任何處理 錯誤選項

  保留所有高度相關特徵不處理，多重共線性問題會持續存在。

• B 使用主成份分析（PCA）將相關特徵轉換為彼此獨立的主成分 正解

  PCA將相關特徵轉為獨立主成分，是解決多重共線性的有效方法。

• C 新增更多原始變數以提升模型表現 錯誤選項

  新增更多原始變數只會加劇多重共線性問題。

• D 改用分類模型進行預測 錯誤選項

  房價預測是迴歸任務，改用分類模型不合適。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。