某數據工程師使用DBSCAN演算法對一份數百萬筆的高維顧客資料進行聚類分析，但發現程式執行速度極慢，甚至出現記憶體不足的情況。若要在不改變演算法核心邏輯的前提下，最有效提升其運算效率的作法為何？
iPAS 考題解析
某數據工程師使用DBSCAN演算法對一份數百萬筆的高維顧客資料進行聚類分析，但發現程式執行速度極慢，甚至出現記憶體不足的情況。若要在不改變演算法核心邏輯的前提下，最有效提升其運算效率的作法為何？
- A. 改用以平均連結（Average Linkage）為基礎的階層式群集法（Hierarchical Clustering）
- B. 採用高效率的距離索引結構（Distance Index Structure），例如KD-Tree或Ball Tree ✓ 正確答案
- C. 將ε（Epsilon）參數調得極小，以減少鄰近點的數量
- D. 在資料前處理時增加標準化後的特徵維度數
詳細解析
DBSCAN的效率瓶頸在於每個點的鄰域查詢。使用KD-Tree或Ball Tree等空間索引結構，可將鄰域搜尋的複雜度從O(n²)降低至O(n log n)，在不改變DBSCAN核心邏輯的前提下大幅提升效率。
出題年份：114 難度：★★☆