阿摩線上測驗
12. 某金融科技公司建立房價預測模型，使用多項特徵(如建坪、房齡、 樓層、總價等)進行線性迴歸分析(Linear Regression Analysis)。資料分析師發現多個特徵之間存在高度相關性，導致模型係數不穩定、預測誤差上升。為解決此問題，下列哪一種方法最適合？
(A)繼續保留所有特徵，不進行任何處理；
(B)使用主成分分析(PCA)將相關特徵轉換為彼此獨立的主成分；
(C)新增更多原始變數以提升模型表現；
(D)改用分類模型進行預測
答案：登入後查看
統計： A(1), B(17), C(1), D(0), E(0) #3773563
統計： A(1), B(17), C(1), D(0), E(0) #3773563
詳解 (共 1 筆)
hchungw
#7373137
原因分析：
- 問題根源： 線性迴歸模型中，若特徵之間存在高度相關性（建坪、房齡、樓層等），會導致「多重共線性」(Multicollinearity) 問題。
- 後果： 多重共線性會使得最小平方法（OLS）計算出的係數估計值非常不穩定（變異數極大），導致模型對資料的小幅變動非常敏感，從而降低預測準確性。
- 解決方案：
- PCA (主成分分析) 是一種降維技術，它將高度相關的原始特徵線性組合為彼此正交（相關性為 0）的「主成分」(Principal Components)。將這些主成分應用於線性迴歸，可以有效消除多重共線性，提升模型係數的穩定性。
0
0
