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？

解析

正確答案：B. 採用高效率的距離索引結構（Distance Index Structure），例如KD-Tree或Ball Tree

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。

每個選項為什麼對或錯

• A 改用以平均連結（Average Linkage）為基礎的階層式群集法（Hierarchical Clustering） 錯誤選項

  改用其他聚類演算法已改變了演算法核心邏輯，違反題目限制。

• B 採用高效率的距離索引結構（Distance Index Structure），例如KD-Tree或Ball Tree 正解

  KD-Tree或Ball Tree空間索引大幅加速鄰域查詢，是最有效的效率優化方式，正確。

• C 將ε（Epsilon）參數調得極小，以減少鄰近點的數量 錯誤選項

  將ε調得極小會改變聚類結果的語意，影響演算法的業務意義，且不一定提升效率。

• D 在資料前處理時增加標準化後的特徵維度數 錯誤選項

  增加特徵維度數會加劇「維度詛咒」，使距離計算更慢，反而降低效率。

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。