【寂寞行星】評論

監督式學習（Supervised learning）：所有資料都被「標註」(label)，告訴機器相對應的值，以提供機器學習在輸出時判斷誤差使用。這種方法為人工分類，對電腦來說最簡單，對人類來說最辛苦。這種方法像是告訴機器（電腦）標準答案，正式考試的時候機器依照標準答案作答，正確性會比較高。例如，若要訓練機器區分大象和長頸鹿，則提供機器 100 張大象和長頸鹿的照片。機器依照標註的照片去偵測大象和長頸鹿的特徵，依照特徵就能辨識出大象和長頸鹿並進行預測。非監督式學習（Un-supervised learning）：所有資料都沒有標註，機器透過尋找資料的特徵，自己進行分類。此種方法不用人工進行分類，對人類來說最簡單，但對電腦來說最辛苦，誤差較大。若使用非監督式學習辨識大象及長頸鹿，機器得自行判斷提供的 100 張照片裡有哪些特徵的是大象、哪些特徵的是長頸鹿並同時進行分類。在未來預測時，利用機器自行所分類的特徵去辨識是哪一種動物。但機器所辨識的結果不一定正確。半.....看完整詳解

【得榮 郵局已上榜謝謝大家】評論

(A)強化式學習(B)非強化式學習--半監督式學習(C)監督式學習(D)非監督式學習

【Ya-ping Siao】評論

78.下列何種機器學習是所有資料都被標註，告訴機器相對應的值，以提供機器學習在輸出時判斷誤差，預測時比較精確？(A)監督式學習(B)非監督式學習(C)半監督式學習(D)強化式學習編輯私有筆記及自訂標籤

【為自己努力一回】評論

機器學習種類1.監督式學習：給予有標註的資料