iPAS AI 應用規劃師

iPAS 考題解析

在進行數值特徵的標準化(Normalization)時,若資料中存在極端值(Outliers),下列哪一種方法最適合使用?

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
機率統計基礎
能力指標
敘述性統計與資料摘要技術(L22101)

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「機率統計基礎」範疇, 對應的能力指標為「敘述性統計與資料摘要技術」,涵蓋數據的集中趨勢、離散程度與分佈型態、數據清理與剖析等核心知識點。 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

在進行數值特徵的標準化(Normalization)時,若資料中存在極端值(Outliers),下列哪一種方法最適合使用?

  • A. Min-Max正規化(Min-Max Scaling)
  • B. Z-score標準化(Z-score Normalization)
  • C. 穩健縮放(Robust Scaling) ✓ 正確答案
  • D. 標準分箱(Standard Binning)

詳細解析

正確答案:C. 穩健縮放(Robust Scaling)

穩健縮放(Robust Scaling)使用中位數與四分位距(IQR)進行縮放,不受極端值影響。Min-Max和Z-score都依賴最大最小值或均值標準差,容易被極端值扭曲。

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. Min-Max正規化(Min-Max Scaling) (不正確)

Min-Max Scaling由最大最小值決定範圍,極端值會壓縮其他資料的分佈,不適合有離群值的情境。

B. Z-score標準化(Z-score Normalization) (不正確)

Z-score依賴均值和標準差,極端值會拉高標準差,影響所有點的縮放結果。

C. 穩健縮放(Robust Scaling) (正確)

Robust Scaling以中位數和IQR為基準,對極端值具有抵抗性,最適合此情境。

D. 標準分箱(Standard Binning) (不正確)

標準分箱是離散化方法,不屬於數值標準化技術。

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。