iPAS 考題解析

一家旅遊平台希望建立模型，預測顧客下次是否會再次透過該平台訂房。資料包含：顧客 ID、年齡、旅遊次數、平均花費金額、主要交通方式（火車/飛機/自駕/公車）、會員等級（普通/進階/白金）、是否為海外旅遊等。下列哪一種特徵工程方法最適合處理「主要交通方式」欄位？

初級人工智慧基礎概論難度：中等 ★★☆ 114 年考題

考試範圍定位

考試等級: 初級能力鑑定
考試科目: 人工智慧基礎概論
知識主題: 資料處理與分析概念
能力指標: 資料整理與分析流程（L11202）

本題屬於 iPAS AI 應用規劃師初級能力鑑定「人工智慧基礎概論」科目中的「資料處理與分析概念」範疇，對應的能力指標為「資料整理與分析流程」，涵蓋資料收集、清理、特徵工程、資料標準化等核心知識點。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

A. 布林轉換（Boolean Conversion）；
B. 序數編碼（Ordinal Encoding）；
C. 數值標準化（Numerical Standardization）；
D. One-hot 編碼（One-hot Encoding） ✓ 正確答案

詳細解析

正確答案：D. One-hot 編碼（One-hot Encoding）

「主要交通方式」是名義型類別變數（火車/飛機/自駕/公車），各類別之間沒有順序或大小關係。One-hot 編碼將每個類別轉為獨立的二元欄位，避免模型誤認類別之間存在數值大小關係。

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. 布林轉換（Boolean Conversion）；（不正確）

布林轉換適用於只有兩個值的二元變數，交通方式有四個類別，不適用。

B. 序數編碼（Ordinal Encoding）；（不正確）

序數編碼適用於有順序關係的類別（如會員等級），交通方式沒有順序關係。

C. 數值標準化（Numerical Standardization）；（不正確）

數值標準化用於連續數值型特徵，交通方式是類別變數，不適用。

D. One-hot 編碼（One-hot Encoding）（正確）

One-hot 編碼適合處理無順序關係的名義型類別變數，最適合交通方式欄位。

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。

AI 基礎機器學習深度學習自然語言處理電腦視覺

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。

某公司欲建立員工離職風險預測模型，資料集中包含「年度績效分數」、「平均每月加班時數」、「年齡」等數值型特徵。由於各特徵的數值範圍差異極大（例如績效分數 1-5、加班時數 0-80、年齡 20-65），若直接輸入至使用梯度下降的邏輯迴歸（Logistic Regression）模型，可能導致模型收斂緩慢或權重偏斜。為提升模型訓練效率與準確度，下列哪一種特徵工程方法最適合應用於這些數值特徵？

初級人工智慧基礎概論難度 ★★☆ 114 年

某市政府建置城市治理資料平台，需整合交通車流偵測資料、路口監視器影像，以及民眾透過陳情系統提交的文字通報。由於各類資料格式、儲存方式與資料型態差異甚大，導致資料清理與整合成本顯著增加。就大數據特性而言，此專案最主要面臨下列哪一項挑戰？

初級人工智慧基礎概論難度 ★★☆ 115 年

下列資料型態，何者最常用來儲存員工年齡、員工年資、貨品銷售量等資料？

初級人工智慧基礎概論難度 ★☆☆

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。本題來自初級考試範圍，適合正在準備初級認證的考生練習。

開始準備 iPAS 考試

本題來自 114 年 AI 應用規劃師初級考試。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。

開始練習題庫進行診斷測驗初級備考指南 iPAS 總覽