大數據分析方法與工具：24 題線上練習
「大數據分析方法與工具」是 iPAS AI 應用規劃師中級「大數據處理分析與應用」科目下的知識主題（代號 L223）。本頁收錄 24 題免費練習題，依能力指標分組，附逐題解析。
「大數據分析方法與工具」是 iPAS AI 應用規劃師中級「大數據處理分析與應用」科目下的知識主題（代號 L223）。本頁收錄 24 題免費練習題，依能力指標分組，附逐題解析。
考試範圍定位
- 考試等級
- iPAS AI 應用規劃師中級能力鑑定
- 考試科目
- 大數據處理分析與應用（L22）
- 知識主題
- 大數據分析方法與工具（L223）
練習題列表（共 24 題）
點任一題可查看完整題目、選項與逐題解析。題目依難度由基礎到進階排序。
常見的大數據分析方法（16 題）→
在處理分類問題時，若某一類樣本數明顯少於其他類別，研究人員可能採用隨機過採樣（Random Oversampling）以平衡資料比例，此方法最常造成下列哪一種問題？
某組資料共10項標籤如下：A, A, A, A, A, B, B, B, B, B。若該標籤僅有A、B兩種，請問這組資料的「正規化吉尼不純度（Normalized Gini impurity）」為何？
若在高維度（>500維）的資料上應用DBSCAN（Density-Based Spatial Clustering of Applications with Noise）演算法，卻發現所有資料點皆被判定為雜訊（Noise），下列何者為最有可能的原因？
某團隊在開發風險評估模型時，使用主成份分析（Principal Component Analysis, PCA）進行降維。輸入資料包含三個數值欄位：「交易金額（單位：新台幣）」、「交易次數（次／月）」與「年齡（歲）」，其數值量級分別約為10⁶、10¹與10²。分析人員直接將原始數據帶入PCA，結果第一主成分（PC1）幾乎完全由「交易金額」主導。下列哪一項作法或判斷最合理？
若開發一個用於罕見疾病自動診斷的分類模型，目前資料集中確診樣本僅佔不到1%，且因為標記成本高，短期內無法取得更多資料。在此情況下，若希望提升模型對少數類的偵測能力，同時避免過擬合，下列哪一種策略最為合理？
若評估一個新開發的腫瘤分類模型，其資料集中有80%的樣本來自良性病例。若直接使用5-fold交叉驗證（Cross-Validation）進行模型評估，可能導致模型效能評估出現偏差，為避免此問題，下列哪一種作法最合適？
下列哪種方法屬於非監督式學習中的降維技術？
若使用主成分分析（PCA）將資料降維至兩個主成分，這表示哪一種情況？
10 項標籤 A:5, B:5 的正規化 Gini Impurity 為何？
關聯規則：科幻→超級英雄，Lift=1.8，50% 也看超英。正確解讀為何？
高維(>500維)資料用 DBSCAN 全部變成噪訊點的原因為何？
PCA 分析中不同量級的欄位直接帶入會怎樣？
非監督式降維方法為何？
PCA 降維至兩個主成分的意義為何？
罕見疾病(陽性率<1%)分類中，最能提升少數類偵測率的方法為何？
80% 良性的腫瘤分類資料做 5-fold CV，如何避免類別比例偏差？
數據可視化工具（5 題）→
某投資研究員希望分析四檔科技類股（A、B、C、D）每日報酬率的變化趨勢，以判斷這些股票之間是否存在高度相關性與共變動性，並評估投資組合分散風險的程度。若研究員希望以單一圖表快速呈現各股票間的關聯強度與方向，下列哪一種視覺化呈現方式最適合？
某行銷團隊想了解「廣告預算」與「銷售金額」之間的關聯程度。經繪製散佈圖後發現兩者呈現明顯線性趨勢，且資料中無明顯離群值（Outliers）。若希望衡量兩者之間線性關係的強度與方向，下列哪一種方法最適合？
團隊希望比較北美、歐洲、日本及其他地區的整體銷售比例，並使用seaborn套件以長條圖的形式進行視覺化分析。請選出能正確顯示這些地區銷售總額比例的程式碼。（資料欄位：NA_Sales、EU_Sales、JP_Sales、Other_Sales）
數據密度(Data Density)在視覺化中的意義為何？
四檔股票的相關性最適合用什麼方式視覺化？
本考點的相關 AI 術語
先掌握以下術語的定義與應用情境，再回來刷題，正確率會明顯提升。
下一步
練完本考點的題目後，回到 題庫總覽 查看其他科目的題數分布， 或直接進行 完整模擬考 驗證實力。 還不確定弱點在哪，先做 診斷測驗； 想了解歷年出題趨勢與高頻考點，參考 考古題與模擬測驗總整理。