iPAS 考題解析
在進行資料前處理時，若使用Label Encoding將類別變數轉換為數字型態，下列何者為最常見的潛在風險？
中級 大數據處理分析與應用
難度：中等 ★★☆ 114 年考題
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 大數據處理分析與應用
- 知識主題
- 大數據分析方法與工具
- 能力指標
- 統計學在大數據中的應用（L22301）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「大數據分析方法與工具」範疇， 對應的能力指標為「統計學在大數據中的應用」，涵蓋數據轉換、縮放與分佈調整、特徵工程等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
在進行資料前處理時，若使用Label Encoding將類別變數轉換為數字型態，下列何者為最常見的潛在風險？
- A. 無法處理缺值
- B. 會引入類別之間的假序順關係 ✓ 正確答案
- C. 無法擴展至新資料
- D. 記憶體佔用過高
詳細解析
正確答案：B. 會引入類別之間的假序順關係
Label Encoding將類別映射為整數（如0、1、2），模型可能誤解這些整數具有大小或距離關係（如「類別2」>「類別1」），對無序名義變數會產生假序順關係，影響模型學習。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 無法處理缺值 （不正確）
Label Encoding本身可先行填補缺值再進行編碼，缺值處理非其固有限制。
B. 會引入類別之間的假序順關係 （正確）
無序類別被編碼為0、1、2等整數後，模型可能誤判類別間存在順序大小，此為最常見風險。
C. 無法擴展至新資料 （不正確）
Label Encoding可透過fit後的映射表處理新類別，擴展性並非主要問題。
D. 記憶體佔用過高 （不正確）
Label Encoding只產生一欄整數，記憶體佔用比One-Hot Encoding低，非主要風險。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。