AI應用規劃師初級: L11 人工智慧基礎概論
L11201 資料基本概念與來源
41. 下列何者不是 決策樹產生 的基本演算法？
(A) ID3（Iterative Dichotomiser）
(B) C4.5
(C) CART（Classification and Regression Trees）
(D) 貝氏分類（Bayesian Classification）
42. 關於熱切式學習（Eager Learner）與偷懶式學習（Lazy Learner），
下列 敘述何者 不正確？
(A) 熱切式學習是先利用訓練資料建立一個判別模型，以便進行測試
(B) 決策樹屬於熱切式學習
(C) 偷懶式學習會花很多時間在事先利用訓練資料建立判斷模型
(D) k-最近鄰分類法（K-Nearest-Neighbor Classifiers）屬於偷懶式學習
43. 若希望能透過學生基本資料與參與社團資料，來預測新生會選擇的社 團，
運用以下何種工具較為適當？
(A) 線性迴歸模型
(B) 分類模型
(C) 集群分析
(D) 探索式分析
D 44. 關於 迴歸分析 的基本統計假設，下列敘述 何者 正確？
(A) 依變數和自變數之間的關係必須是線性
(B) 資料呈現常態分配（Normal Distribution）
(C) 自變數的誤差項，相互之間應該是獨立的
(D) 以上皆是
45. 如果判定係數為0.8，則 依變數 能被 自變數 解釋的 變異百分比為？
(A) 0.8%
(B) 80%
(C) 0.64%
(D) 不一定
46. 假設在一混淆矩陣（Confusion Matrix）中，真陽性（True positive）
為 100，假陽性（False Positive）為 50，真陰性（True Negative）為 50，
假陰性（False Negative）為 800，請問該混淆矩陣的準確度（Accuracy）
為？
(A) 0.6667
(B) 0.9412
(C) 0.15
(D) 0.84
47. 下列哪種方法 可以避免 機器學習模型 過度配適（Overfitting）？
(A) 選擇特徵（Feature Selection）
(B) 交叉驗證（Cross Validation）
(C) 對目標函數施加懲罰（Penalty）
(D) 以上皆是
48. 假設建立一個能夠辨識汽車的模型系統，在照片資料集共有100萬張 照片，
其中有1000張已標註汽車貼標的照片，接下來可用哪種學習方 法找出
剩下的照片當中是否有汽車？
(A) 監督式學習（Supervised learning）
(B) 非監督式學習（Unsupervised learning）
(C) 半監督式學習（Semi-supervised learning）
(D) 增強式學習（Reinforcement learning）
49. 下列何者情況 不適合 使用邏輯迴歸（Logistic Regression）模型？
(A) 明天是否下雨
(B) 鐵達尼號乘客是否存活
(C) 顧客是否會購買週年慶商品
(D) 行動通訊用戶國際電話服務用量預測
發表文章
