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？
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
- 常見的大數據分析方法（L22302）
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「常見的大數據分析方法」，涵蓋數據分析演算法、模式識別以及資料不平衡處理策略等核心知識點。 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
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
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。
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. 高維下距離變化趨同，導致ε（Epsilon）閾值選擇失效 （正確）
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） （不正確）
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 （不正確）
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 （不正確）
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。
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。