iPAS 考題解析
請問下列何者不是常見的特徵選取技術或方法？
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
- 人工智慧概念
- 能力指標
- AI 的定義與分類（L11101）
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「人工智慧概念」範疇， 對應的能力指標為「AI 的定義與分類」，涵蓋AI 定義、弱 AI vs 強 AI vs 超 AI 分類、三大 AI 浪潮等核心知識點。 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
請問下列何者不是常見的特徵選取技術或方法？
- A. 皮爾森積差相關分析（Pearson Correlation）
- B. 主成分分析（Principal Components Analysis, PCA）
- C. 迴歸分析（Regression Analysis） ✓ 正確答案
- D. 隨機森林（Random Forest）
詳細解析
正確答案：C. 迴歸分析（Regression Analysis）
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. 皮爾森積差相關分析（Pearson Correlation） （不正確）
皮爾森相關係數常用來衡量特徵與目標變數或特徵間的線性關係，是常見的過濾式特徵選取方法之一，故是常見技術。
B. 主成分分析（Principal Components Analysis, PCA） （不正確）
PCA 是一種降維技術，透過將原始特徵轉換為一組新的、不相關的主成分，達到特徵提取和減少維度的目的，也是一種特徵工程方法。
C. 迴歸分析（Regression Analysis） （正確）
迴歸分析是一種預測模型，用於建立輸入特徵與目標變數之間的關係，以進行預測或解釋，它本身不是特徵選取技術，而是使用特徵來建模。
D. 隨機森林（Random Forest） （不正確）
隨機森林是一種集成學習模型，它可以用來評估特徵的重要性，進而進行特徵選取，屬於嵌入式特徵選取方法，故是常見技術。
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。
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。
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。