本頁面由 Cloud Translation API 翻譯而成。 使用數值資料:測試您的知識 返回課程 下列哪些技術不是特徵工程? 特徵分塊 超參數調整 特徵分塊 正規化 您正在使用嬰兒健康資料訓練模型。其中一項功能是「birth_weight」。您想要將這些 birth_weight 值正規化,以便提升模型的訓練效率。下列何者是最合適的正規化技術? 剪輯 線性調整 記錄檔資源調度 Z 分數擴充 是非題:特徵分塊是將類別型資料轉換為數值資料的技術。 是 否 鞋類推薦模型的訓練資料含有 shoe_size 功能,該特徵應包含介於 6 至 16 的值。下表顯示資料集中六個範例的 shoe_size 值: 範例 shoe_size 1 8.5 2 9 3 不適用 4 105 5 11 6 9 訓練前,您應考慮清除資料集中的哪些例子? (可複選) 請選取所有正確答案。 範例 1 範例 2 或範例 6 範例 3 示例 4 範例 5 請在下列句子中填入句子:在特徵工程期間,可建立合成特徵至 ___。 替換缺少的特徵值 使用機器加上標籤的資料補充人為標籤的資料 模擬兩個特徵之間的非線性關係 預先訓練模型 提交答案 error_outline 計算測驗分數時出現錯誤。請再試一次。