iPAS 考題解析
Titanic 資料集標準化程式碼的正確描述為何？
中級 機器學習技術與應用
難度：進階 ★★★★
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 機器學習技術與應用
- 知識主題
- 機器學習建模與參數調校
- 能力指標
- 數據準備與特徵工程（L23301）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「機器學習技術與應用」科目中的「機器學習建模與參數調校」範疇， 對應的能力指標為「數據準備與特徵工程」，涵蓋資料清洗、特徵縮放、類別編碼（One-Hot）、缺失值處理等核心知識點。 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
Titanic 資料集標準化程式碼的正確描述為何？
- A. 減去均值除以標準差 = 標準化，能防止梯度爆炸 ✓ 正確答案
- B. 標準化讓所有值介於 0~1
- C. 標準化只影響分類任務
- D. 標準化不影響模型效果
詳細解析
正確答案：A. 減去均值除以標準差 = 標準化，能防止梯度爆炸
標準化（Standardization） = (x - mean) / std，讓特徵的均值為 0、標準差為 1。統一尺度後梯度更新更穩定，防止某些特徵因數值過大導致梯度爆炸（Exploding Gradient）。
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. 減去均值除以標準差 = 標準化，能防止梯度爆炸 （正確）
正確。標準化（Standardization）的公式就是 (x - mean) / std。它讓資料分佈更集中，有助於優化器穩定訓練，避免梯度因特徵尺度差異過大而爆炸或消失。
B. 標準化讓所有值介於 0~1 （不正確）
錯誤。讓所有值介於 0~1 的是 Min-Max 正規化（Normalization）。標準化後的資料通常分佈在負值到正值之間，均值為 0，標準差為 1。
C. 標準化只影響分類任務 （不正確）
錯誤。標準化對所有需要梯度下降優化或基於距離計算的模型都有影響，無論是分類（Classification）還是迴歸（Regression）任務。
D. 標準化不影響模型效果 （不正確）
錯誤。標準化對許多模型（如線性模型、SVM、KNN、神經網路）的效果有顯著影響，它能加速收斂、提高模型穩定性和預測準確度。
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。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
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。