iPAS 考題解析某電商公司想預測用戶是否會購買特定商品，資料中包含多種用戶屬性與行為特徵。分析師希望選出對購買結果最有預測價值的特徵，以提升模型效能。下列哪一種描述最符合監督式特徵選擇（Supervised Feature Selection）的概念？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：B. 評估每個特徵與目標變數之間的相關性，選擇對預測結果貢獻最大的特徵；
監督式特徵選擇的核心是利用目標變數（標籤）的資訊來評估特徵的重要性。它透過計算每個特徵與目標變數之間的相關性或資訊增益，選出對預測最有價值的特徵，與非監督式特徵選擇（不參考目標變數）不同。
每個選項為什麼對或錯
-
A 根據特徵的整體分布、變異度或資訊量進行篩選，而不直接參考目標變數； 錯誤選項
不參考目標變數進行篩選屬於非監督式特徵選擇（如方差篩選），不是監督式。
-
B 評估每個特徵與目標變數之間的相關性，選擇對預測結果貢獻最大的特徵； 正解
評估特徵與目標變數的相關性來選擇特徵，是監督式特徵選擇的核心概念（Filter 方法）。
-
C 使用模型評估特徵對預測結果的重要性，並保留對目標變數影響較大的欄位； 錯誤選項
使用模型評估特徵重要性屬於 Embedded 或 Wrapper 方法，也是監督式的一種，但此選項描述的是模型為基礎的方法。
-
D 將特徵透過降維方法（如 PCA）轉換為新特徵，再用於模型訓練 錯誤選項
PCA 是降維方法，不參考目標變數，屬於非監督式特徵轉換而非監督式特徵選擇。
答案、題目或解析有問題？回報這題