iPAS 考題解析在機器學習中，特徵縮放（Feature Scaling）對哪類演算法影響最大？

解析

正確答案：A. K-近鄰演算法（KNN）和支持向量機（SVM）

KNN 依賴歐幾里德距離計算鄰居，SVM 依賴特徵空間的邊界最大化，兩者都對特徵的尺度非常敏感。特徵縮放不影響基於樹的演算法（如決策樹、隨機森林），因為它們只關注特徵排序而非絕對值。

每個選項為什麼對或錯

• A K-近鄰演算法（KNN）和支持向量機（SVM） 正解

  KNN 和 SVM 都依賴距離計算，受特徵縮放影響最大，此為正確描述。

• B 決策樹（Decision Tree）和隨機森林（Random Forest） 錯誤選項

  決策樹和隨機森林基於特徵閾值分裂，不受特徵縮放影響。

• C 樸素貝葉斯（Naive Bayes）和邏輯迴歸（Logistic Regression） 錯誤選項

  邏輯迴歸受一定影響但非最大，樸素貝葉斯計算概率比，影響也較小。

• D 關聯規則學習（Association Rule Learning） 錯誤選項

  關聯規則基於頻率計算，不受特徵縮放影響。

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。