iPAS 考題解析在密度型分群演算法 DBSCAN 中，若某資料點的 ε 鄰域內包含的資料點數少於 MinPts，且該點本身不在任何核心點的 ε 鄰域內，則該點被定義為？

解析

正確答案：B. 雜訊點（Noise Point）

DBSCAN 將資料點分類為核心點（鄰域內點數 ≥ MinPts）、邊界點（鄰域內點數 < MinPts 但在核心點鄰域內）和雜訊點（既不是核心點也不在核心點鄰域內）。題目描述的正是雜訊點（Noise Point）。

每個選項為什麼對或錯

• A 核心點（Core Point） 錯誤選項

  核心點需要鄰域內點數 ≥ MinPts，不符合題目條件。

• B 雜訊點（Noise Point） 正解

  雜訊點即不是核心點且不在任何核心點鄰域內的點，符合題目描述。

• C 邊界點（Border Point） 錯誤選項

  邊界點雖然鄰域內點數 < MinPts，但必須在某核心點的鄰域內。

• D 孤立點（Outlier Point） 錯誤選項

  孤立點是非正式說法，DBSCAN 正式術語為雜訊點。

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。