iPAS 考題解析在進行資料分析時，會遇到類別型（Categorical）與數值型（Numerical）資料格式。關於這兩種資料格式的處理，下列敘述何者不正確？

解析

正確答案：C. 標準化（Standardization）透過將資料平移與縮放，使其平均值為0、標準差為1，可在多數距離演算法中改善收斂速度，並同時將數值範圍壓縮至0至1之間

標準化（Standardization）使資料平均值為0、標準差為1，但不保證數值範圍在0到1之間：將數值壓縮至0到1之間是Min-Max正規化（Normalization）的特性。此選項混淆了兩種方法，故不正確。

每個選項為什麼對或錯

• A One-Hot編碼（One-Hot Encoding）會將類別變數轉換為多維二元向量，適用於無序（Nominal）類別資料，但在高基數（High Cardinality）特徵下可能造成維度爆炸問題 錯誤選項

  One-Hot Encoding確實適用於無序類別，高基數時確會造成維度爆炸，描述正確。

• B 標籤編碼（Label Encoding）會以整數表示不同類別，若應用於無序（Nominal）資料，可能導致模型誤將編碼值解讀為具數值大小關係的特徵 錯誤選項

  Label Encoding用於無序資料確實有假序順問題，描述正確。

• C 標準化（Standardization）透過將資料平移與縮放，使其平均值為0、標準差為1，可在多數距離演算法中改善收斂速度，並同時將數值範圍壓縮至0至1之間 正解

  標準化結果平均值為0、標準差為1，但值域不一定在0到1之間；0到1壓縮是Min-Max的特性，此處描述錯誤。

• D 對連續變數進行分箱（Binning）可提升模型可解釋性，但若分段方式未依據資料分佈特性設計，可能導致資訊損失或邊界誤差 錯誤選項

  分箱可提升可解釋性但有資訊損失風險，描述正確。

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。