政大 113 年資管所（資管組） 計算機概論 參考答案

1. ifconfig：顯示或設定本機網路介面組態（IP、子網路遮罩、MAC）。時機：確認本機是否取得 IP，或手動修改介面設定。
2. nslookup：查詢 DNS 解析結果（網域名稱與 IP 互查）。時機：網站連不上，判斷是否為 DNS 解析失敗。
3. traceroute：遞增 TTL 列出到目的地沿途每個 hop 與延遲。時機：連線緩慢，定位問題出在哪一段路徑。

1. 模型偏袒多數類別，一律預測多數類別就能有高 Accuracy，對少數類別辨識能力極差，Accuracy 成為失真指標。

2. 整體 Accuracy 很高，但少數類別 Recall 異常低，Confusion Matrix 顯示少數類別幾乎全被歸到多數類別。

3. 資料層：Oversampling（SMOTE）、Undersampling；演算法層：提高少數類別 class weight（cost-sensitive learning）；評估層：改用 Precision、Recall、F1-score、AUC-ROC。

1. ArrayList：隨機存取 $O(1)$，中間插入刪除 $O(n)$，適合大量讀取、只在尾端新增。LinkedList：隨機存取 $O(n)$，已持有節點時插入刪除 $O(1)$，適合頻繁在開頭或中間插入刪除。Vector：與 ArrayList 同為動態陣列但方法同步，需執行緒安全時使用。

2. HashMap 以雜湊表實作，平均 $O(1)$，不保證 key 順序，只需快速存取時使用；TreeMap 以紅黑樹實作，$O(\log n)$，key 依順序排列，需排序走訪或範圍查詢時使用。

1. 偏差來源： (1) Data/Sampling Bias：資料蒐集不均衡，或標籤沿襲既有社會偏見。 (2) Proxy Variable Bias：非敏感欄位與敏感屬性高度相關（如郵遞區號對種族），模型間接學到。

2. 不可行。其他欄位仍含 gender 的 proxy features（職業、消費紀錄等），模型看不到 gender 也能重建它。

SELECT Country, COUNT(*) AS Count
FROM Customers
GROUP BY Country
ORDER BY Count DESC;

SELECT c.CustomerName AS Name, COUNT(o.OrderID) AS Count
FROM Customers c
LEFT JOIN Orders o ON c.CustomerID = o.CustomerID
GROUP BY c.CustomerID, c.CustomerName;

Phase 1（Exponential Search，框出含 $x$ 的區間）：

low = 1; high = 1
while f(high) == false:
    low  = high
    high = high * 2

Phase 2（Binary Search，把區間壓到 $\le \epsilon$）：

while high - low > eps:
    mid = (low + high) / 2
    if f(mid) then high = mid
    else           low  = mid
return (low, high)

• Phase 1 結束時 $high=2^k$ 且 $2^{k-1}<x\le 2^k$，呼叫 $k\le \lg x+1$ 次，即 $O(\lg x)$。
• Phase 2 起始區間寬 $2^{k-1}\le x$，每輪折半，需 $\lceil \lg (x/\epsilon )\rceil =O(\lg x+\lg (1/\epsilon ))$ 次。
• 合計 $O(\lg (1/\epsilon )+\lg x)$。