112年 - 112 初級巨量資料分析師能力鑑定考試02：資料處理與分析概論#116824

科目： iPAS◆資料處理與分析概論◆初級 | 年份：112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. 下列何者不是極端值或雜訊產生的主要原因？ (A) 數據輸入錯誤 (B) 測量儀器出錯 (C) 人為故意謊報資料導致錯誤 (D) 資料交給分析人員時，是透過電子郵件寄送而非隨身碟傳送

2. 在資料分析之前，需要花費很多力氣去整理資料，其中處理遺失值（Missing Value）便是一種，下列何者不是處理遺失值的手段？ (A) 移除有遺失值的資料 (B) 使用平均數或第一四分位數來填補 (C) 將前一筆資料的值填入 (D) 使用 K-近鄰法（K-Nearest Neighbours）搭配中位數進行填補

3. 經過網路爬蟲收集的網頁資料（如新聞網頁 HTML 格式資料）為半結構化的內容，經過解析器取得各式重要資訊，並透過詮釋資料（Metadata）結構化這些內容，這樣的過程與下列何者較為相符？ (A) 資料擴增 (B) 資料組織 (C) 資訊分類 (D) 模型預測

4. 關於盒鬚圖，下列敘述何者不正確？
(A) 為離群值（Outlier） (B) 為上圍籬（Upper Extreme） (C) 為 75 百分位數（Upper Quartile） (D) 為平均值（Mean）

5. 關於資料之遺缺值處理，下列何者不正確？ (A) 無須考慮遺缺值比例，全部刪除 (B) 類別資料補上眾數之值 (C) 利用模型補上估計產生之值 (D) 透過差值法（interpolation method）補上該值

6. 根據下面提供的資料，老闆希望你一句話報告今年業績和去年業績的狀況，請問下列哪句話比較合適？ 2017 年業績：100 萬 2018 年業績：120 萬 (A) 今年業績成長了 20% (B) 今年業績增加了 20 萬 (C) 今年的業績是 120 萬 (D) 去年業績比今年少 20 萬

7. 下列何種圖形，較適合用來顯示資料隨著時間的變化趨勢？ (A) 折線圖 (B) 圓餅圖 (C) 直方圖 (D) 盒鬚圖

8. 統計圖常用來將統計資料繪製成幾何圖形，從其顯示出資料的規模、水平、結構、趨勢、比例關係，下列何者不是常用的統計圖？ (A) 長條圖 (B) 折線圖 (C) 流程圖 (D) 圓餅圖

9. 關於資料敘述與摘要統計之內容，下列敘述何者不正確？ (A) 資料抽樣常見的有簡單隨機抽樣、系統抽樣、分層隨機抽樣 (B) 將資料處理與製作圖表，例如: 次數分配表、直方圖 (C) 衡量資料集中趨勢的統計量，例如: 平均數、中位數、眾數 (D) 比較兩筆資料的分散程度，例如: 相關係數

10. 下列哪個方法是將時間序列資料轉換到頻域空間？ (A) 傅立葉轉換 (B) 特徵值加權 (C) 資料降維 (D) 隨機抽樣

11. 對於某些資料屬性內出現異常大的值，有可能會導致誤導模型訓練的結果，此時會將該屬性值進行何種處理，使所有屬性值被轉換到 0 至 1 之間？ (A) 資料組織 (B) 資料特徵縮放 (C) 資料清理 (D) 資料分析

12. 胖虎目前在分析一間公司的健康檢查資料，其中有一個欄位是 BMI 值，胖虎想要將其根據不同區段分類為過輕、正常、過胖、肥胖，請問胖虎正在做的是何種屬性轉換？ (A) 二值化（Binarization） (B) 分級（Bining） (C) 捨入（Rounding） (D) Log 轉換（Log Transformation）

13. 下列何者不是屬性轉換的主要目的？ (A) 轉換後可能更容易發現資料之間的關係，使沒有關係變成有關係 (B) 資料可能呈現嚴重的偏態分布，經過轉換後差異可以拉開 (C) 讓資料能夠符合模型所需要的假設，以利進行分析，例如經過轉換後的資料呈現正態分布 (D) 能夠讓資料的可讀性更高

14. 下列哪種方法不屬於特徵選擇（Feature-Selection）的標準方法？ (A) 嵌入方法（Embedded） (B) 過濾方法（Filter） (C) 包裝方法（Wrapper） (D) 抽樣方法（Sampling）

15. 關於資料特徵，下列敘述何者不正確？ (A) 資料特徵個數越多，該模型所需的運算時間也就越短 (B) 資料特徵個數越多，容易引起維度災難，而模型也會越複雜 (C) 剔除不相關或多餘的資料特徵，以減少資料特徵個數，提高模型效果 (D) 可透過模型計算資料特徵重要程度，例如：Random Forest

16. 關於巨量資料，下列敘述何者不正確？ (A) 巨量資料分析始於找出大量資料之間的關聯性 (B) 隨著巨量資料分析技術俱進，分析人員可以忽略數據的真實性，依然仍夠得到理想的結果 (C) 好的巨量資料運算服務，是可以根據運算需求與時效性，平行擴增所需要的運算資源 (D) 能妥善處理和保存大量的數據資料，即為巨量資料所談的量級（Volume）之特性

17. 關於 MapReduce 框架，下列敘述何者不正確？ (A) Mapper 的輸出需要是鍵值組（key-value pair）的結構 (B) 實現 Reducer，通常是定義如何處理個別鍵值下的值集合 (C) Reducer 的輸出值通常也是鍵值組（key-value pair）的結構 (D) 資料在進入 Map 階段之前會經過整理階段（shuffle）

18. 下列敘述何者在描述巨量資料中多樣性（Variety）的特性？ (A) 能夠處理相當大的資料，例如 100TB 的歷史資料 (B) 善於處理非結構化資料，例如各式網站資料等 (C) 能夠大幅縮短分析的時間，能更快速反應商業需求 (D) 能夠處理每天龐大的交易數據

19. 關於巨量資料技術架構，下列何者不是應具備的需求？ (A) 可以被平行擴充 (B) 儘可能能夠被分散式處理 (C) 儘可能的使用單一節點資料庫 (D) 具有高容錯性

20. 關於 HDFS 的文件寫入，下列敘述何者正確？ (A) 支持多用戶對同一份文件的寫入操作 (B) 用戶可以在文件的任意位置進行修改 (C) 預設將文件複製三份存放 (D) 複製的文件預設都存在同一個主機上

21. 下列何種統計量無法由盒鬚圖（box-and-whisker plot, boxplot）得知？ (A) 最小值 (B) 中位數 (C) 變異數 (D) 全距

22. 若兩事件 X、Y 為某試驗可能發生之二獨立事件，P(X)＞0，P(Y)＞0，下列何者不正確？(A) P(X

Y)=P(X)+P(Y) (B) P(X|Y)=P(X) (C)P(X|Y)P(Y)=P(Y|X)P(X) (D) P(X

Y)=P(X)P(Y)

23. 對自變數 X 與依變數 Y 作簡單線性迴歸得到的相關係數 r，下列敘述何者正確？ (A) r = -1 代表 X 與 Y 完全無關 (B) r = 0 代表數據點恰好落在同一條水平直線上 (C) r ＞ 0 代表 X、Y 間有因果關係 (D) r = 1 代表 Y=aX+b（a、b 是常數，a＞0）

24. 關於單一變量的（univariate）統計量數，下列敘述何者不正確？ (A) 變異係數（coefficient of variation）適用於量化變數 (B) 四分位距（inter-quartile range）可由類別變數的次數分佈進行計算 (C) 熵係數（entropy coefficient）可用於檢視類別變數次數分佈的異質性 (D) 異質性（heterogeneity）最低時集中度（concentration）達到最大；而異質性最高時集中度則最小

25. 關於邏輯斯迴歸中的迴歸係數，可以使用下列何種方法求解？ (A) 最小平方法 (B) 牛頓迭代法 (C) 馬可夫鏈演算法 (D) 最大概似估計法

26. 行銷部選擇部分客戶進行簡訊產品推薦，同時獲取了客戶是否願意購買產品的資訊；而通過這些已知資訊，用來判斷其他用戶的購買意願，請問屬於下列何種方法？ (A) 推薦系統 (B) 預測模型 (C) 探索性分析 (D) 關聯法則

27. 下列何者不屬於非監督式學習？ (A) 關聯法則 (B) K-Means (C) Word2Vec (D) K Nearest Neighbor

28. 請問下列敘述何者不正確？ (A) 機器學習（machine learning）某種程度來說亦可稱為統計學習（statistical learning） (B) 從所搜集的資料中建構出 X 與 Y 之間模型的過程，電腦科學的人群偏好敘述為從資料中「估計」模型參數這樣的說法，勝於從資料中「學習」的說法 (C) Y 稱為結果變數（outcome） (D) X 稱為屬性（attributes）

29. 關於模型績效評估，下列敘述何者不正確？ (A) 殘差（或稱預測誤差）是預測的反應變數值減去真實的反應變數值 (B) 迴歸模型績效衡量大多基於殘差 (C) 赤池弘次訊息準則（Akaike’s Information Criterion, AIC）與舒瓦茲貝氏訊息準則（Schwarz’s Bayesian Information Criterion, BIC）的不同在於懲罰過多變數入模的方式不同 (D) Mallow’s Cp 準則有考慮建模所用的變數數量，因此適合用來比較不同變數數量下的模型績效

30. 關於獨立（independence）與相依（dependency），下列敘述何者不正確？ (A) 獨立與相依是描述兩變數之間關係的概念 (B) 相關（correlation）係數為 0，代表兩變數統計獨立 (C) 關聯（association）衡量是基於頻次進行計算，用以表達兩類別變數之間的相依性 (D) 數值變數以相關係數代表兩變數之間的相依性

31. 下列何種方法通常應用在集群（Clustering）問題？ (A) Support Vector Machine (B) Random Forest (C) K Nearest Neighbors (D) K-Means

32. 下列何者不是資料降維的方法？ (A) Principal Component Analysis (B) Linear Discriminant Analysis (C) K Nearest Neighbors (D) Isomap

33. 下列哪種圖表最能展現所有類別的總和為 100%？ (A) 圓餅圖 (B) 折線圖 (C) 散布圖 (D) 雷達圖

34. 某公司員工 8 人，月薪如下：

下列敘述何者不正確？ (A) 薪資中位數為 29 千元 (B) 有 50%的員工，薪資≥第二四分位數 (C) 有 50%的員工，薪資≥平均值 (D) 繪製成箱形圖（Box plot，盒鬚圖），呈現右偏

35. 關於 K-means 集群演算法，下列敘述何者正確？ (A) 當集群中心不再變動，就達到全局最佳解（global optimum） (B) 必須事先給定群組數目 K 值 (C) 集群結果只與資料群聚分佈方式有關 (D) 對異常值、極值的資料敏感

36. 以下何者不是探索性資料分析經常關心的議題？ (A) 資料的四分位數 (B) 資料是否有離群值 (C) 與應變數相關的自變數 (D) 資料模型的準確度

37. 史皮爾曼相關係數（Spearman correlation coefficient）是一種兩兩變數相關係數計算的方式，下列敘述何者不正確？ (A) 順序值類別變數（ordinal qualitative variables）適合此計算方式 (B) 名目值類別變數（nominal qualitative variables）適合此計算方式 (C) 實數值量化變數（real-valued quantitative variables）適合此計算方式 (D) 史皮爾曼相關係數又稱為等級相關係

38. 關於階層式分群法（Hierarchical Clustering），下列敘述何者不正確？
(A) 若採用聚合的方式，則由樹狀結構的底部開始，將資料或群集逐次合併 (B) 若採用分裂的方式，則由樹狀結構的頂端開始，將群集逐次分裂 (C) 群與群的距離定義為不同群聚中最近的兩個點的距離，該法稱為單一聯結法（Single Linkage，又稱「最近法」） (D) 事先必須告知分群數量，以利分群法之進行

39. 關於 K-Means 與 DBSCAN，下列敘述何者不正確？ (A) 兩者都是集群分析 (B) K-Means 基於距離的概念，而 DBSCAN 基於密度的概念 (C) 兩者都需要事先告知分群的數量 (D) K-Means 集群結果易受離群值的影響

40. 下列何者不屬於非監督式學習的演算法？ (A) PCA (B) Hierarchical-Clustering (C) Auto-Encoder (D) XGBoost

41. 下列何種方法常應用在分類問題？ (A) Linear regression (B) Logistic regression (C) Polynomial Regression (D) Support vector regression

42. 下列何者不適合用來預測「句子的下一個詞」？ (A) Hidden Markov model (B) Conditional random field (C) Linear Regression (D) N-gram

43. 下列學習方法，何者難以獲得人類容易理解的知識或特徵？ (A) Multilayer perceptron (B) Decision tree (C) Logistic regression (D) Association rule mining

44. 關於配適不足（under-fitting），下列何者正確？ (A) 訓練誤差較大，測試誤差較小 (B) 訓練誤差較小，測試誤差較大 (C) 訓練誤差較大，測試誤差較大 (D) 訓練誤差較小，測試誤差較小

45. 利用多個分類器的預測來提高分類的準確率之技術為下列何者？ (A) Ensemble (B) Dimensionality reduction (C) Pruning (D) Feature selection

46. 下列哪種的資料可以無需經過前處理，直接使用線性模型（Linear Model）進行學習？ (A) 身高（公分）、體重（公斤） (B) 性別（男、女）、腰圍（公分） (C) 最高時速（公里/小時）、車款（車種型號） (D) 氣候（晴、陰、雨）、溫度（攝氏溫度）

47. 下列何者不為監督式學習（Supervised Learning）方法？ (A) K 近鄰法（K-Nearest Neighbor） (B) 支援向量機（Support Vector Machine） (C) 邏輯迴歸（Logistic Regression） (D) 自我組織映像圖（Self-OrganizingMap）

48. 建立簡單線性迴歸模型之前常會根據資料的散佈圖進行模型假設，則下列四張資料的散佈圖，何者最適合使用簡單線性迴歸模型？ (A)(B) (C)(D)

49. 關於監督式學習，下列敘述何者不正確？ (A) 模型的訓練資料必須有應變項 (B) 訓練資料不一定為連續型資料 (C) 主成分分析是一種監督式學習的方法 (D) 訓練資料過少時，可利用 Bootstrap（拔靴法）進行修正

50. 關於資料解析思維，下列敘述何者不正確？ (A) 巨量資料中雜訊多，穩健統計方法可降低雜訊對模型的影響 (B) 機器學習模型不需要考慮資料是否與背景假設吻合 (C) 利用重抽樣樣本中的不確定性，可以強化參數估計過程與避免過度配適 (D) 集成（或稱系集）模型（ensemble models）可以發揮團結力量大的效果，解決困難的問題

申論題 (0)