阿摩線上測驗 登入

109年 - 109-2 初級巨量資料分析師能力鑑定試題：資料處理與分析概論#119179

科目： iPAS◆資料處理與分析概論◆初級 | 年份：109年 | 選擇題數：50 | 申論題數：0

試卷資訊

所屬科目： iPAS◆資料處理與分析概論◆初級

選擇題 (50)

1. 在分析資料前，通常需要先清理資料。當數字與文字混合在一起時， 但我們僅需要提取出數字時，若以逐筆資料提取十分曠日廢時，在 Python 語法中的套件 re 可以處理大部分的此類問題，例如語法： re.findall(pattern, string)，當 pattern = '\d'，可以提取出 string 中所有單一數字；pattern = '\d\d'，可以提取出 string 中所有 2 個相連數字；pattern = '\d+'，可以提取出 string 中所有任意相連個數的數字。請問當 string = '王大明手機號碼:0912334567,地址...'時，下列何者語法無法提取出0912334567？ (A) re.findall('\d+', string) (B) re.findall('\d\d\d\d\d\d\d\d\d', string) (C) re.findall('\d\d+', string) (D) re.findall('\d\d\d\d\d\d+', string)
2. 下列何者「不」是資料前處理該進行的程序？ (A) 資料清理（data cleaning） (B) 資料轉換（data transform） (C) 屬性挑選（feature selection） (D) 資料建模（data modeling）
3. 關於遺缺值（missing value）的處理方式，下列何者較「不」恰當？ (A) 將有遺缺值的那筆樣本刪去 (B) 使用平均值來填補遺缺值 (C) 使用 k 近鄰演算法來填補遺缺值 (D) 將有遺缺值的那個欄位刪去
4. 關於資料具有離群值（outlier），進行資料標準化時，下列敘述何者較 為適合？ (A) 可採用 Z-分數法（Z-score） (B) 可採用最小最大正規化法（min-max normalization） (C) 可採用穩健縮放法（robust scaler） (D) 可採用最大絕對值縮放法（maximum absolute scaler）

5. 參考附圖，Python 語言中，關於使用 numpy 套件處理遺缺值（missing value），下列敘述何者「不」正確？
(A) np.nan 執行結果為 nan (B) np.isnan(np.nan)執行結果為 True (C) np.NaN 執行結果為 NaN (D) np.isnan(np.NaN)執行結果為 True
6. 關於資料彙總（data aggregation），下列敘述何者最為正確？ (A) 可降低資料尺度、資料偏斜性對於模型的不良影響 (B) 是運用推論統計學，比較兩筆樣本的差異 (C) 是以摘要的形式收集或呈現資訊的任何過程 (D) 是統整不同連續屬性間的數值分佈

7. 參考附圖，R 語言中，關於 aggregate 資料群組計算，下列敘述何者「不」 正確？
(A) aggregate 執行結果有 8 筆資料 (B) aggregate 函數中的 breaks 表示對 breaks 欄位進行計算 (C) 本題 aggregate 函數功能是計算各群組的平均值 (D) aggregate 函數的「.」表示除了 breaks 以外的所有欄位為群組欄位
8. 下列何種圖形常用於視覺化年齡與收入的關係？ (A) 散佈圖（scatter plot） (B) 甘特圖（Gantt chart） (C) 流程圖（flow chart） (D) 樹狀圖（tree diagram）
9. R 語言中，下列何者為專門在處理群組與摘要的函數？ (A) spread() (B) sort() (C) gather() (D) aggregate()
10. R 語言中，關於資料排序，下列敘述何者「不」正確？ (A) order()回傳排序後的觀測值編號 (B) sort()回傳排序後的字串值或數值 (C) rank()回傳每個元素的排名值 (D) permute()回傳排序後的字串值或數值
11. 下列何者「不」是屬性挑選（feature selection）的特性？ (A) 降低計算時間 (B) 提高資料維度 (C) 降低模型複雜度 (D) 增加模型穩定性
12. 關於主成分分析（Principal Component Analysis, PCA）與奇異值分解 （Singular Value Decomposition, SVD），下列敘述何者正確？ (A) PCA 較 SVD 更一般化 (B) SVD 將資料矩陣分解出只有橫列的基底向量 (C) PCA 分解出資料矩陣之縱行與橫列的基底向量 (D) PCA 可以基於資料矩陣之相關係數方陣或共變異數方陣進行計算
13. 屬性轉換（feature transform）為資料前處理的重要步驟，下列敘述何 者「不」正確？ (A) 可調整屬性的尺度 (B) 會破壞模型的預測能力 (C) 可改變屬性的偏斜性 (D) 可降低離群資料對於模型的不良影響
14. 下列何者為以均值正規化（mean normalization）的方式，計算數列[1, 2,2, 4, 5]之結果？ (A) [0.00, 0.25, 0.25, 0.75, 1.00] (B) [0.2, 0.4, 0.4, 0.8, 1.0] (C) [-0.45, -0.20, -0.20, 0.30, 0.55] (D) [-0.5, 0.0, 0.0, 1.0, 1.5]
15. 下列何者「並非」屬性萃取（feature extraction）的方法？ (A) 主成分分析（Principal Component Analysis, PCA） (B) 正規化（normalization） (C) 自編碼器（autoencoder） (D) 偏最小平方迴歸（Partial Least Squares Regression, PLSR）
16. 關於巨量資料運算平台，下列敘述何者「不」正確？ (A) 採用水平式擴充（scale-out），並大量分散式處理 (B) 具有高容錯性，採平行化運算 (C) 採用分片機制（sharding），將資料分片儲存於各節點，以利多次 讀取與多次寫入 (D) 資料本身可分散到各資料節點，以增加運算效能，也可透過網路 傳輸將執行程式送到資料端進行運算
17. 為了有效利用多台電腦對大量的資料進行計算，並避免某一電腦壞掉 而對計算結果造成影響，請問該採用下列何種方式進行？ (A) 集中計算（centralized computing） (B) 多執行緒（multithreading） (C) 平行運算（parallel computing） (D) 分散式運算（distributed computing）
18. 為了從網路上蒐集外部資訊，往往需要撰寫爬蟲（web scraping）程式 取得資料。下列何種情況與分散式的爬蟲架構較無關係？ (A) 獲取數十個新聞網站的新聞作者、內容與圖片 (B) 取得某一電商平台的所有商品名稱、價格與賣家訊息等 (C) 從某一交易所的當日盤後資訊頁面取得單一統計表 (D) 從多個技術相關文章的網站中獲取文章內容
19. 關於 MapReduce 架構，下列敘述何者「不」正確？ (A) 當節點（nodes）失效時，其他節點無法接管失效的任務 (B) 可運行在不可靠的低階電腦叢集（clusters）上 (C) 映射（map）是將任務分配到不同節點（nodes）進行計算 (D) 化簡（reduce）是將處理完的結果重新組合

20. 附圖是藉由 MapReduce 進行詞頻統計（word count）工作的流程示意圖。請問圖中對應的動作組合應為下列何者？
(A) Mapping -＞ Splitting -＞ Shuffling -＞ Reducing (B) Splitting -＞ Mapping -＞ Shuffling -＞ Reducing (C) Reducing -＞ Splitting -＞ Mapping -＞ Shuffling (D) Splitting -＞ Shuffling -＞ Mapping -＞ Reducing
21. 關於相關性（correlation），下列敘述何者為正確？ (A) 如果一個自變數(X)與反應變數(Y)高度相關，則此自變數應該是 不重要，不用加入模型之中 (B) 皮爾遜相關係數（Pearson correlation coefficient）可以用於度量兩 個變數 X 和 Y 之間的相關程度，其值介於 0 與 1 之間 (C) 皮爾遜相關係數可以用來評估非線性關係 (D) 如果二個變數之相關係數為零，此二個變數可能具有非線性關係

22. 某研究人員想檢定國中生的性別與戴眼睛是否有顯著相關性，隨機抽樣取得附圖資料，參考附圖 R 語言執行，下列敘述何者「不」正確？
(A) 虛無假設為 H0：戴眼鏡與性別為獨立 (B) 對立假設為 H1：戴眼鏡與性別為相關 (C) 考慮α=0.05，則獨立性檢定之卡方分配自由度為 2 (D) R 語言執行結果為拒絕接受 H0，即戴眼鏡與性別為相關

23. 參考附圖 iris 資料集的視覺化結果，下列敘述何者正確？
(A) 此視覺化結果稱為散佈圖（scatter plot）矩陣 (B) Sepal.Length 變數最能夠將資料明顯區分成 3 個類別 (C) 該圖使用互相垂直的軸來表示不同的維度 (D) Petal.Length 變數較 Sepal.Width 變數更能夠將資料區分成 3 個類別
24. R 語言中，下列何者為可以回傳百分位數資訊的函數？ (A) var() (B) sd() (C) mean() (D) quantile()
25. 下列何者「不」代表獨立性？ (A) P(A|B) = P( A ) (B) P(A∩B) = 0 (C) P(A∩B) = P( A ) P( B ) (D) P(A|B) = P(A|B')，B'表示 B 之補集合
26. 在進行假設檢定的過程中，我們會先將結果分成兩種相反的決策：虛無假設（null hypothesis, H0）和對立假設（alternative hypothesis, H1）。 假設擲銅板 100 次，出現正面 60 次，想檢定銅板是不公正的，導致出 現正面機率較大，則對立假設 H1 應為下列何者？ (A) 出現正面的機率＞1/2 (B) 出現正面的機率=1/2 (C) 出現正面的機率＜1/2 (D) 出現正面的機率=60/100
27. 下列何者「不」屬於連續型變數資料？ (A) 年齡 (B) 銷售金額 (C) 氣溫 (D) 性別
28. 盒鬚圖（box plot）利用資料的統計量，可粗略地看出資料是否具對稱 性及分佈程度等，請問「不」包含下列何種統計量？ (A) 標準差 (B) 最小值 (C) 中位數 (D) 第一四分位數

29. 參考附圖，此為鳶尾花資料集中，三種花卉（setosa, versicolor, virginica） 之萼片長度（sepal length）敘述統計資訊。請問下列敘述何者「不」 正確？
(A) virginica 具有較大的萼片長度平均值 (B) 從 50 個 versicolor 樣本中隨機取出一個樣本為「X」，從 50 個 virginica 樣本中隨機取出一個樣本為「Y」，「X」之萼片長度一定 會小於「Y」之萼片長度 (C) 在 50 個 setosa 樣本中，有 25%的樣本之萼片長度大於 5.2cm (D) 此資料集之三種花卉中，virginica 的萼片長度分佈較為分散

30. 建構機器學習模型時，常對資料進行標準化（standardization）。附圖為 Python 語言中透過 sklearn 對資料 scores 進行標準化之程式碼。請問下列何者對其標準化後資料 normalized_scores 的敘述「不」正確？
(A) normalized_scores 之平均值近乎於 0 (B) normalized_scores 之標準差近乎於 1 (C) normalized_scores 中的值將會介於 0 到 1 之間 (D) normalized_scores 符合標準常態分佈（standard normal distribution）

31. Python 語言中，執行 seaborn 模組 import seaborn as sns 的結果，使用下列何項函數可繪製附圖結果？
(A) sns.heatmap (B) sns.lmplot (C) sns.violinplot (D) sns.clustermap
32. 關於空間密度集群算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN），下列敘述何者正確？ (A) 需要預先聲明集群數量 (B) 無法分辨雜訊（離群點） (C) 根據資料點在特徵空間中的密度進行集群 (D) 儘管資料裡的分佈狀態差異很大，DBSCAN 仍能提供一個好的集 群結果
33. 關於常見的集群分析（clustering analysis），主要有階層式集群 （hierarchical clustering）和分割式集群（partitional clustering）兩大類， 下列敘述何者正確？ (A) 需事先將觀察值分類，再依觀察值的屬性進行分析 (B) 通常以距離作為分類的依據，相對距離愈近，相似程度愈高 (C) 資料量夠大就不需人為定義分群數 (D) k 平均數集群分析法屬於階層式分群
34. 關於機器學習（machine learning），下列敘述何者正確？ (A) 非監督式學習（unsupervised learning）是具有人為標註的結果 (B) 階層式集群法（hierarchical clustering）是屬於非監督式學習 (C) 迴歸分析（regression analysis）是屬於非監督式學習 (D) 空間密度集群算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）屬於分割式集群
35. 下列何者屬於監督式學習（supervised learning）演算法？ (A) 主成分分析（Principal Component Analysis, PCA） (B) k 平均法（k-means） (C) 集群分析（clustering analysis） (D) 決策樹（decision tree）
36. 關於生成式對抗網路（Generative Adversarial Network, GAN），下列敘 述何者「不」正確？ (A) 由生成網路（generator）與判別網路（discriminator）組成 (B) 生成網路的輸出要盡量模仿訓練資料中的真實樣本 (C) 判別網路的輸入為真實樣本或生成網路的輸出，判別網路的作用 是將生成網路的輸出從真實樣本中儘可能分辨出來 (D) 生成網路與判別網路相互對抗、不斷調整，最終目的是生成網路可以產生逼真的樣本、而判別網路仍可以區別出來自生成網路的輸出或是真實資料
37. 下列何種集群方法可以解決資料中有離群值及類別屬性的問題？ (A) k 平均數（k-means） (B) k 代表點（k-medoids） (C) k 近鄰（k nearest neighbor） (D) k 奇異值分解（k-singular value decomposition）
38. 關於探索式資料繪圖，下列敘述何者正確？ (A) 直方圖之 X 軸資料是間斷不連續的 (B) 長條圖不適合用於類別型資料分析 (C) 分位數圖（QQ Plot）無法用於常態分佈視覺化檢驗 (D) 盒鬚圖中的盒子下上（或左右）邊界分別為第一與第三四分位數
39. 關於 k 平均數（k-means）集群法，下列敘述何者正確？ (A) 可以處理類別型資料 (B) 不同的起始群集中心，產生的分群結果皆相同 (C) 穩定性高，對異常值或極端值不敏感 (D) 不適合非球形、數據密度變化大或有離群數據的集群問題
40. 關於非監督式學習（unsupervised learning），下列敘述何者正確？ (A) 需要事先以人力標記資料 (B) 迴歸分析（regression analysis）是屬於非監督式學習 (C) 無法發現變數間或觀測值間的子群體 (D) 集群分析為非監督式學習的方法之一

41. 參考附圖，R 語言中，執行 fpc 套件的 dbscan 函數，進行空間密度集群算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）分析，下列敘述何者正確？
(A) MinPts 表示可到達區域的最小點個數，本例為 0.45 (B) eps 表示可達區域定義鄰域的距離，本例為 5 (C) db.dbscan 物件最右側集群編號 2 的種子點（seed）個數為 65 (D) DBSCAN 最終集群結果分為三個緊密的群
複選題
42. 關於類別相關指標，下列敘述何者「不」正確？ (A) 普遍率（prevalence）與偵測普遍率（detection prevalence）都必大於偵測率（detection） (B) F 衡量其實是在等權值的假設下，偵測率（detection）與召回率 （recall）兩者的調和平均數 (C) 特異性（specificity）是陰性事件被正確預測出來的比例 (D) 1 減去真陽性（True Positive, TP）後即為假陰性（False Negative, FN），它是陽性事件中被錯誤預測（假陰性）的比例
43. 評估分類模型優劣時須先計算混淆矩陣（confusion matrix），關於 2×2 混淆矩陣，下列敘述何者「不」正確？ (A) 行列交叉得到真陽性（True Positive, TP）、真陰性（True Negative, TN）、偽陽性（False Positive, FP）、偽陰性（False Negative, FN） 四種情況 (B) 橫列可以表示預測的結果，分別是預測為陰性與陽性 (C) 預測為陽性的個數如果增加，則陰性的預測數自然會減少 (D) 陽性與陰性的預測數量是獨立非相依的
44. 下列何者「不」是資料降維的方法？ (A) 主成分分析（Principal Component Analysis, PCA） (B) 單熱編碼（one-hot encoding） (C) 局部線性嵌入（locally linear embedding） (D) 等距特徵映射（Isometric feature mapping, Isomap）

45. 參考附圖，將機器學習的訓練錯誤（training error）與測試錯誤（testing error）對資料集的大小作圖，紅線位置模型的表現為何？
(A) 模擬退火（simulated annealing） (B) 梯度下降（gradient descent） (C) 過度配適（overfitting） (D) 降維（dimension reduction）
46. 實務上常見各類樣本分佈差距大的不平衡學習（imbalanced learning） 情況，關於不平衡學習的處理方式，下列何者「不」正確？ (A) 以過度抽樣（over sampling）或降低抽樣（down sampling）解決， 此種方法可避免模型過度配適或遺失多數樣本中的重要訊息 (B) 運用正負樣本的懲罰權重來解決，若分析建模的算法支援樣本權 重設定，此方法是簡單有效的解決途徑 (C) 以薈萃式學習（ensemble learning）集成模型解決，形成模型預測 能力良好的森林 (D) 進行屬性挑選（feature selection）以解決類別不平衡問題，透過縱 行的操弄來提高模型績效

47. 關於附圖的混淆矩陣（橫列為真實值，蹤行為預測值），請問其正確率與失誤率各是多少？
(A) 40%，60% (B) 44%，56% (C) 55%，45% (D) 60%，40%
48. 機器學習模型中，關於模型的偏差（bias）與變異（variance），下列敘 述何者正確？ (A) 高偏差代表模型過於複雜 (B) 高變異代表模型過於簡單 (C) 模型訓練的目標為低偏差與高變異 (D) 偏差與變異之間存在抵換（trade-off）關係

49. 附圖為某一垃圾郵件預測模型之混淆矩陣（confusion matrix）。為評價此模型，我們除了透過預測正確率（accuracy）做評估外，更精準的會透過「召回率（recall）」和「精確度（precision）」進行評估。請問下列何者為此混淆矩陣之「召回率（recall）」和「精確度（precision）」？
(A) recall: 0.167、precision: 0.111 (B) recall: 0.375、precision: 0.6 (C) recall: 0.384、precision: 0.4 (D) recall: 0.444、precision: 0.556
50. 機器學習已應用在各行各業之領域，依照應用問題與其場景的不同， 必須對數據與問題有良好的理解才能進行合理的建模工作。若我們希 望以監督式學習建立未來房價預測模型，下列何者較「不」適合？ (A) 線性迴歸模型（linear regression） (B) 多元線性迴歸模型（multiple regression） (C) 神經網路模型（neural network） (D) k 平均數模型（k-means）

申論題 (0)