iPAS 考題解析若在高維度（>500維）的資料上應用DBSCAN（Density-Based Spatial Clustering of Applications with Noise）演算法，卻發現所有資料點皆被判定為雜訊（Noise），下列何者為最有可能的原因？

解析

正確答案：A. 高維下距離變化趨同，導致ε（Epsilon）閾值選擇失效

維度詛咒（Curse of Dimensionality）下，高維空間中所有點之間的距離趨於相同（距離趨同現象），使得DBSCAN的鄰域半徑ε難以設定：若ε太小，每個點的鄰域內無其他點，全被判為雜訊。

每個選項為什麼對或錯

• A 高維下距離變化趨同，導致ε（Epsilon）閾值選擇失效 正解

  高維度下距離趨同使得任何ε設定都難以形成有效鄰域，全部判為雜訊，此為最可能原因。

• B 使用錯誤的距離函數（Distance Function） 錯誤選項

  距離函數選擇不當可能影響結果，但不是高維度下「全部判為雜訊」的最主要原因。

• C MinPts參數設得太小 錯誤選項

  MinPts太小反而更容易形成核心點，不會導致所有點被判為雜訊。

• D 資料過度標準化導致特徵消失 錯誤選項

  標準化後特徵仍存在，過度標準化不會使特徵消失，且非DBSCAN失效的主因。

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。