【用戶】牛奶

【年級】高三上

【評論內容】監督式學習1. 監督式學習是機器學習中最常用的，較為成功的模式2.監督式學習模式：模型建構在輸入與輸出配對之訓練資料，然後對於尚未見過的資料進行預測，訓練資料通常需要人工建立3.常見的監督式學習演算法：最近鄰居法 (k-Nearest Neighbors)、線性模型 (Linear models) 、決策樹 (Decision trees)、隨機森林 (Random forests)、類神經網路 (Neural networks) 等(1) 分類與回歸 監督式學習分為兩種型態：分類與回歸分類 (Classification)：從已定義的離散標籤中預測資料屬於哪種標籤 只有兩種標籤的問題稱為二元分類 (Binary classification)，常用在答案是「是/否」或「陽性/陰性」的問題， 例如信件是否為垃圾郵件？ 有多種標籤的問題稱為多類別分類 (Multiclass classification)，例如：鳶尾花屬於三個品種裡的哪個品種？✶ 回歸 (Regression)：預測連續數值 (實數、浮點數) 例如：預測農產品的收成量非監督式學習非監督式學習屬於沒有已知輸出的演算法，只有輸入資料，演算法會從這些資料取出知識 非監督式學習型態1. 分群演算法 (Clustering algorithm)：將資料分成不同的群組，群組內的成員都是類似的2. 非監督式轉換 (Unsupervised transformation)：將原資料轉換為另一種表示方式，讓資料處理較為方便，例如降維 (Dimension reduction) 與 特徵擷取 (Feature extraction)非監督式學習的挑戰1. 不易評估機器是否學習到知識，因為資料沒有輸出標籤，完全不知道正確的輸出是什麼2. 非監督式學習常被用來了解資料的特性，而非自動化系統的一部分3.非監督式學習當作監督式學習的預先處理步驟，透過預先的資料分析與了解，可以讓之後的監督式學習效能更好分群1.分群 (Clustering) 將資料集分為群組，稱為「群聚」(Cluster)，目標是將資料分割，使得同一群組的資料點很類似， 而不同群組的資料點則很不同2.分群的結果是給予各個資料點一個標籤 (Label)，就像分類一樣