iPAS 考題解析在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊（例如：amount_usd、total_price、transaction_value），但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策略最合適且具實務可行性？

解析

正確答案：C. 建立欄位命名標準，統一金額單位與格式，進行欄位正規化與語義合併，減少重複資訊影響特徵重要性估計；

面對語義重疊的欄位，最務實的做法是建立統一的命名標準，將金額單位和格式標準化，並合併語義相同的欄位。這樣既能消除冗餘資訊，又不會遺漏重要特徵，確保特徵重要性估計的準確性。

每個選項為什麼對或錯

• A 利用資料探勘技術自動選擇資料集中對目標變數最敏感的欄位，其他欄位捨棄即可，避免過度清理干擾原始結構； 錯誤選項

  自動選擇特徵雖可行，但不處理語義重疊的欄位可能導致特徵選擇結果不穩定。

• B 保留所有相似欄位，交由高階模型（如 Gradient Boosting 或 Deep Learning）自動學習特徵關聯，無需手動處理； 錯誤選項

  保留所有重複欄位會增加多重共線性，即使高階模型也可能因此影響特徵重要性判斷。

• C 建立欄位命名標準，統一金額單位與格式，進行欄位正規化與語義合併，減少重複資訊影響特徵重要性估計； 正解

  統一命名和格式、合併語義相同的欄位，是處理結構冗餘最合適的標準化做法。

• D 將重複欄位視為類別欄位，進行 One-hot 編碼（One-hot encoding）後輸入模型，以避免數值誤導模型學習過程 錯誤選項

  金額欄位是數值型資料，轉為 One-hot 編碼不合理，會丟失數值大小的資訊。

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。