iPAS 考題解析某電信公司建立機器學習模型預測用戶流失風險。資料中包含多個類別型特徵（Categorical Features），例如「資費方案類型」與「客戶地區」。為使模型能有效使用這些特徵，下列何者最直接用於將類別型特徵轉換為模型可處理的數值格式？

解析

正確答案：C. One-hot 編碼（One-hot Encoding）

One-hot 編碼是最直接將類別型特徵轉換為數值格式的方法。它將每個類別值轉換為一個二元向量，使模型能夠處理類別型資料。

每個選項為什麼對或錯

• A 資料分群（Data Clustering） 錯誤選項

  資料分群是非監督式學習方法，用於將資料分組，不是特徵轉換方法。

• B 特徵交叉（Feature Cross） 錯誤選項

  特徵交叉是將多個特徵組合產生新特徵，不是類別轉數值的直接方法。

• C One-hot 編碼（One-hot Encoding） 正解

  One-hot 編碼將類別值轉為二元向量，是最直接的類別轉數值方法（正確答案）。

• D 寬深模型（Wide and Deep） 錯誤選項

  寬深模型是一種模型架構，不是特徵轉換方法。

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。