iPAS 考題解析
某團隊在開發風險評估模型時，使用主成份分析（Principal Component Analysis, PCA）進行降維。輸入資料包含三個數值欄位：「交易金額（單位：新台幣）」、「交易次數（次／月）」與「年齡（歲）」，其數值量級分別約為10⁶、10¹與10²。分析人員直接將原始數據帶入PCA，結果第一主成分（PC1）幾乎完全由「交易金額」主導。下列哪一項作法或判斷最合理？
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
某團隊在開發風險評估模型時，使用主成份分析（Principal Component Analysis, PCA）進行降維。輸入資料包含三個數值欄位：「交易金額（單位：新台幣）」、「交易次數（次／月）」與「年齡（歲）」，其數值量級分別約為10⁶、10¹與10²。分析人員直接將原始數據帶入PCA，結果第一主成分（PC1）幾乎完全由「交易金額」主導。下列哪一項作法或判斷最合理？
- A. 這是正常現象，金額本身變異較大，應主導主要成分
- B. 若改用特徵選擇法，可自動解決變數量級問題
- C. 可刪除「交易金額」欄位以平衡各主成分的影響
- D. 在進行PCA前應先進行標準化（Standardization），以避免因數值尺度差異造成特徵偏誤 ✓ 正確答案
詳細解析
正確答案：D. 在進行PCA前應先進行標準化（Standardization），以避免因數值尺度差異造成特徵偏誤
PCA基於變異數計算，若不先標準化，數值量級大的變數（交易金額）會主導主成分，而非因其真實重要性。標準化後各變數具相同尺度，PCA才能客觀反映資料的真實變異結構。
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. 這是正常現象，金額本身變異較大，應主導主要成分 （不正確）
金額主導PC1是因為尺度差異，不代表金額真的比其他變數更重要，不應接受此現象。
B. 若改用特徵選擇法，可自動解決變數量級問題 （不正確）
特徵選擇法選擇保留哪些變數，不能解決同一變數的量級差異問題。
C. 可刪除「交易金額」欄位以平衡各主成分的影響 （不正確）
刪除欄位會損失重要資訊，標準化才是正確的前處理方法。
D. 在進行PCA前應先進行標準化（Standardization），以避免因數值尺度差異造成特徵偏誤 （正確）
PCA前標準化是標準做法，消除量級差異後各特徵才能公平貢獻主成分。
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。