常見機器學習演算法:12 題線上練習
「常見機器學習演算法」是 iPAS AI 應用規劃師中級的能力指標(代號 L23202),涵蓋演算法技術原理、應用與優化。本頁收錄 12 題免費練習題,附逐題解析。
依能力指標分組,點一題看選項與解析。
L23202 常見機器學習演算法
評鑑範圍:演算法技術原理、應用與優化
- 在機器學習中,Lasso(L1 正則化)相比 Ridge(L2 正則化)的主要特性為何?
- 在密度型分群演算法 DBSCAN 中,若某資料點的 ε 鄰域內包含的資料點數少於 MinPts,且該點本身不在任何核心點的 ε 鄰域內,則該點被定義為?
- 在決策樹(Decision Tree)中,「資訊增益(Information Gain)」的計算目的為何?
- 在機器學習中,特徵縮放(Feature Scaling)對哪類演算法影響最大?
- XGBoost(eXtreme Gradient Boosting)相比傳統 Gradient Boosting 的主要改進為何?
- 在監督式學習的特徵選取中,Lasso 迴歸(L1 正則化)能自動進行特徵選取的原因為何?
- 在評估機器學習演算法的計算複雜度時,O(n²) 的時間複雜度意味著什麼?
- L1 正則化 (Lasso) 的主要效果為何?
本考點的相關 AI 術語
先掌握這些術語的定義與應用情境,再回來練題。