某保險公司建立 AI 理賠金額預測模型。歷史理賠資料經檢定後呈近似常態分佈，但仍存在少數極端高額案件。資料科學團隊在不破壞整體分佈特性的前提下，規劃進行離群值處理。下列何者最不適當？
iPAS 考題解析
某保險公司建立 AI 理賠金額預測模型。歷史理賠資料經檢定後呈近似常態分佈，但仍存在少數極端高額案件。資料科學團隊在不破壞整體分佈特性的前提下，規劃進行離群值處理。下列何者最不適當？
- A. 依統計準則（如 Z-score 或 IQR）評估後，再決定是否調整或處理極端值
- B. 採用截尾（Trimming）處理極端值，以提升模型穩定性
- C. 使用 One-hot 編碼（One-hot Encoding）將離群值轉換為類別特徵以改善數值穩定性 ✓ 正確答案
- D. 結合領域知識評估其合理性，再決定保留或修正
詳細解析
One-hot 編碼是用來將類別型特徵轉換為數值的方法，不適用於處理數值型的離群值。將數值離群值轉為類別特徵會破壞原始資料的數值意義，無法正確處理離群值問題。
出題年份：115 難度：★★☆