iPAS 備考專區 登入

iPAS AI 應用規劃師題庫・中級・L22 大數據處理分析與應用

iPAS 考題解析高維(>500維)資料用 DBSCAN 全部變成噪訊點的原因為何?

來源標記:114年第二梯次中級科目二

你的作答

解析

正確答案:A. 高維下距離趨同,Epsilon 閾值選擇失效

在高維空間中,所有點之間的距離都趨於相同(維度詛咒),導致基於距離的 Epsilon 閾值失去區分能力,所有點的鄰居數量都不夠,被歸為噪訊。

每個選項為什麼對或錯

  • A 高維下距離趨同,Epsilon 閾值選擇失效 正解

    這就是「維度詛咒」的經典現象。在高維空間中,點之間的距離差異會變得非常小,導致 Epsilon 閾值難以有效區分核心點和邊界點,所有點看起來都像孤立的噪訊。

  • B 使用了錯誤的距離函數 錯誤選項

    即使使用不同的距離函數,高維空間中距離趨同的問題仍然存在,不是根本原因。維度詛咒是高維資料的固有挑戰。

  • C MinPts 設定太小 錯誤選項

    MinPts 設定太小反而會讓更多點被歸類為核心點,甚至可能導致過度分群,而不是讓所有點都變成噪訊。這與題目描述不符。

  • D 資料過度標準化 錯誤選項

    資料標準化是常見的預處理步驟,通常有助於改善模型表現,而不是導致所有點變成噪訊。它不會造成距離趨同的問題。

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。