iPAS 考題解析
箱型圖 IQR 極小但上鬚很長且離群值很多，如何改善視覺化？
中級 大數據處理分析與應用
難度：進階 ★★★
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
- 機率統計基礎
- 能力指標
- 敘述性統計與資料摘要技術（L22101）
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「機率統計基礎」範疇， 對應的能力指標為「敘述性統計與資料摘要技術」，涵蓋數據的集中趨勢、離散程度與分佈型態、數據清理與剖析等核心知識點。 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
箱型圖 IQR 極小但上鬚很長且離群值很多，如何改善視覺化？
- A. 使用對數刻度繪製箱型圖 ✓ 正確答案
- B. 直接移除離群值
- C. 等距分箱再畫
- D. 用折線圖替代
詳細解析
正確答案：A. 使用對數刻度繪製箱型圖
對數刻度能壓縮極端值的範圍，讓箱體和離群值（Outlier）在同一張圖中清楚呈現。原本被壓扁的箱體在對數刻度下會展開。
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. 使用對數刻度繪製箱型圖 （正確）
對數刻度能有效壓縮極端值範圍，讓原本被壓扁的箱體展開，同時將上鬚和離群值拉近，使整個資料分佈在同一張圖上清晰可見。這樣能完整呈現資料特性，避免資訊遺失。
B. 直接移除離群值 （不正確）
直接移除離群值會導致重要資訊的流失，特別是當這些離群值代表真實世界的特殊情況時。雖然視覺上可能變「好看」，但卻扭曲了資料的真實分佈，不建議隨意刪除。
C. 等距分箱再畫 （不正確）
等距分箱通常用於繪製直方圖，目的在於顯示資料的頻率分佈。它無法解決箱型圖中箱體被壓縮、上鬚過長的問題，也無法呈現四分位數等統計量，不適合用來改善箱型圖的視覺化。
D. 用折線圖替代 （不正確）
折線圖主要用來展示資料隨時間或序列變化的趨勢，並不適合用來呈現單一變數的資料分佈、中位數、四分位數和離群值。用折線圖替代會完全失去箱型圖所提供的分佈資訊。
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。
進階題備考建議
- ▶ 本題屬於進階難度，涉及技術原理的深入理解或跨領域整合應用，需要紮實的基礎。
- ▶ 進階題通常需要你綜合多個知識點才能判斷，建議建立知識圖譜，把相關概念串聯起來。
- ▶ 如果這題答錯了，建議回頭複習相關的基礎概念，確保每一層知識都沒有漏洞。
- ▶ 中級考試的進階題佔比較高，建議先把初級範圍的基礎打穩，再挑戰中級進階題。
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。
考慮使用 CIFAR-10 資料集進行資料處理，資料包括 32×32 像素的多筆彩色照片。下列程式碼的資料處理，請選出正確的選項。 ```python from tensorflow.keras import datasets, utils import pandas as pd (x_train, y_train), (x_test, y_test) = datasets.cifar10.load_data() # type(x_train) -> numpy.ndarray # x_train.shape, y_train.shape, x_test.shape, y_test.shape # -> (50000, 32, 32, 3) (50000, 1) (10000, 32, 32, 3) (10000, 1) # x_train.min() -> 0 # x_train.max() -> 255 ```
中級 大數據處理分析與應用 難度 ★★★ 114 年
為了分析社群網路使用者之間的互動結構，應使用下列哪種分析方法？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
若企業希望即時監控交易異常，應選擇下列哪一類數據處理架構？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
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 iPAS 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。