線性代數之機器學習基礎應用：4 題線上練習
「線性代數之機器學習基礎應用」是 iPAS AI 應用規劃師中級的能力指標（代號 L23102），涵蓋特徵提取、資料降維與壓縮。本頁收錄 4 題免費練習題，附逐題解析。
「線性代數之機器學習基礎應用」是 iPAS AI 應用規劃師中級的能力指標（代號 L23102），涵蓋特徵提取、資料降維與壓縮。本頁收錄 4 題免費練習題，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
- 機器學習技術與應用（L23）
- 知識主題
- 機器學習基礎數學（L231）
- 能力指標
- 線性代數之機器學習基礎應用（L23102）
- 涵蓋知識點
- 特徵提取、資料降維與壓縮
練習題列表（共 4 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。
主成分分析（PCA）中，若前三個主成分的累積解釋方差比例為 90%，這意味著什麼？
以下用於 PCA 降維去除雜訊的程式碼有一個邏輯錯誤，應如何修正？ ```python from sklearn.decomposition import PCA import numpy as np X = np.random.randn(100, 20) pca = PCA(n_components=5) pca.fit(X) X_denoised = pca.transform(X) # 錯誤行 ```
PCA 特徵值 λ1=6.0, λ2=3.0, λ3=1.0，保留至少 80% 變異需要幾個主成分？
PCA 降噪時，程式碼中需要修改哪個部分？
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。