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？
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
- 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
高維(>500維)資料用 DBSCAN 全部變成噪訊點的原因為何？
- A. 高維下距離趨同，Epsilon 閾值選擇失效 ✓ 正確答案
- B. 使用了錯誤的距離函數
- C. MinPts 設定太小
- D. 資料過度標準化
詳細解析
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。
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. 高維下距離趨同，Epsilon 閾值選擇失效 （正確）
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 （不正確）
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 （不正確）
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 （不正確）
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。
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。
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。