在人工智能技术应用于工程造价的数据预处理阶段,针对历史工程数据中存在的缺失值、异常值以及不同量纲指标的差异,下列处理方式中符合机器学习基本逻辑要求的是?
A.直接保留缺失值,让算法自行忽略,无需进行任何标准化或归一化处理
B.仅对异常值进行剔除,忽略缺失值处理,且保持原始量纲直接输入模型
C.对缺失值进行插补或删除,对异常值进行清洗,并对特征进行标准化或归一化处理以消除量纲影响
D.将所有数据统一放大1000倍以消除小数点,无需关注缺失值和异常值
优质解答
答案
C
解析
A选项错误,大多数机器学习算法无法处理缺失值,且不同量纲会导致基于距离或梯度的算法偏向数值大的特征,必须处理。B选项错误,忽略缺失值会导致数据不完整,模型无法训练或训练结果偏差;保持原始量纲会导致特征权重失衡。D选项错误,统一放大倍数不能消除量纲差异(如万元与元、米与毫米的比例关系未变),且未处理缺失和异常值。C选项正确,数据预处理是机器学习的关键步骤,包括处理缺失值(插补或删除)、异常值(清洗或变换)以及特征缩放(标准化或归一化),以确保数据质量并提高模型收敛速度和精度。
科目:建设工程经济题型:单选题难度:中等来源:AI生成