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？
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？
- A. 高維下距離變化趨同，導致ε（Epsilon）閾值選擇失效 ✓ 正確答案
- B. 使用錯誤的距離函數（Distance Function）
- C. MinPts參數設得太小
- D. 資料過度標準化導致特徵消失
詳細解析
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。
出題年份：114 難度：★★☆