9.拉拉網路商城的老闆擬透過機器學習的方式，利用過往的產品銷售資料，預測下一季的產品銷售數量，以調整現有的庫存水位。下列哪一個類型的模型，比較適合應用在老闆期望的預測目標？
(A)決策樹分類器(DecisionTreeClassifier)
(B)K-means分群(K-meansClustering)
(C)主成份分析(PrincipalComponentAnalysis,PCA)
(D)線性迴歸(LinearRegression)

答案：登入後查看
統計： A(25), B(29), C(12), D(145), E(0) #3416825

m9240213

B2 · 2025/04/08

#6363645

選項 (D) 線性迴歸(LinearRegression) 比較適合應用在老闆期望的預測目標。

原因解釋：

老闆希望利用過往的產品銷售資料，預測下一季的產品銷售數量。這是一個數值預測問題，也就是迴歸分析的範疇。
以下是對各選項的詳細解釋：
- (A) 決策樹分類器(DecisionTreeClassifier): 決策樹分類器用於分類問題，即預測資料屬於哪個類別，不適用於數值預測。
- (B) K-means分群(K-meansClustering): K-means分群用於分群問題，即將資料分成不同的群集，而不是預測數值。
- (C) 主成份分析(PrincipalComponentAnalysis,PCA): PCA用於降維問題，即減少資料的維度，保留最重要的資訊，與預測無關。
- (D) 線性迴歸(LinearRegression): 線性迴歸是一種常用的迴歸分析方法，用於預測數值型資料，例如產品銷售數量。

因此，線性迴歸是比較適合用於預測下一季產品銷售數量的模型。