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
90. 在非監督式學習方法中，下列何者最常被做為 資料降維 的方法使用？
(A) K平均法（K-means）
(B) 最大期望算法（Expectation-maximization）
(C) 模糊C平均法（Fuzzy C-means）
(D) 主成分分析（Principle Component Analysis）
91. 試問下列哪一項不包含在一個「多層前向式（Multilayer Feed-Forward）」
類神經網路架構？
(A) 輸入層（Input Layer）
(B) 實體層（Physical Layer）
(C) 隱藏層（Hidden Layer）
(D) 輸出層（Output Layer）
92. 不同的決策樹方法，我們可以透過 屬性 選擇指標
（Attribute Selection Measure），將資料分割成個別類別，
使其所包含的資料群組具有相同 的類別，試問下列何者不是 屬性選擇指標？
(A) 資訊獲利（Information Gain）
(B) 拉普拉斯估計式（Laplace Estimator）
(C) 獲利比率（Gain Ratio）
(D) 吉尼係數（Gini Index）
93. 根據下表，我們要預測該公司的顧客是否會買電腦，
若規則 R: (年齡 =青年) Λ (學生=是)=>(購買電腦=是)，
則規則 R 的 覆蓋 率 與 正確率 分 別為何？
某公司顧客資料庫的訓練資料
(A) 覆蓋率為 14.28% 與正確率為 92.86%
(B) 覆蓋率為 14.28% 與正確率為 100%
(C) 覆蓋率為 28.57% 與正確率為 92.86%
(D) 覆蓋率為 28.57% 與正確率為 100%
94. 若希望能透過 歷史氣溫 與 菜價資料 來預測未來菜價，
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
95. 關於過度配適（Overfitting），下列敘述何者不正確？
(A) 知識發掘的方法在建立模型的過程中容易出現過度配適的情形，
模 型可能陷入只能解釋在訓練集樣本的關聯，而沒辦法一體適用
(B) 機器學習所學到的假設（Hypothesis）過度貼近訓練資料
（Training Data），而導致測試資料（Testing Data）錯誤率變得更大
(C) 過度配適表示測試資料的正確率極高
(D) 為了避免過度配適現象，
必須使用額外的技巧，如交叉驗證、Early Stopping、
貝斯信息量準則（BIC）、赤池信息量準則（AIC）等
96. 關於Apriori演算法，下列敘述何者不正確？
(A) 使用於關聯規則分析
(B) 屬於協同過濾推薦的一環
(C) 需要產生大量候選項集和需要重複掃描資料庫
(D) 支持度大於最小支持度的項集稱為頻繁項目集
97. 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，請問該混淆矩陣的真陽性率
（True Positive Rate）為？
(A) 0.15
(B) 0.9
(C) 0.6667
(D) 0.1
98. 下列何種機器學習方法 不屬於 監督式學習演算法？
(A) 邏輯迴歸（Logistic Regression）
(B) 類神經網路（Neural Network）
(C) 多維尺度法（Multidimensional Scaling）
(D) 最近鄰居法（Nearest Neighbor）
99. 假設行動廣告推薦系統，透過每次廣告推薦的決策中，得到用戶點擊
與否的資訊，並不斷進行改進，修正其策略以得到最佳的廣告推薦效 果，
適合下列何種學習方法？
(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）
發表文章
