【ML】監督式學習．非監督式學習介紹｜機器學習｜半熟奇異果 Kiwi Tech

Machine Learning, Supervised Learning, Unsupervised Learing, Semi-Supervised Learning, Reinforcement Learning

監督式學習．非監督式學習 介紹

機器學習是實現人工智慧的一個方法，通過輸入大量的資料給演算法，分析出該資料群的規律，並利用建立出來的規律去預測要分析的資料，獲得想要的結果，這邊可以將機器學習概括地分為監督式學習 Supervised Learning 與非監督式學習 Unsupervised Learing，主要的差異在於欲分析的資料是否被標籤 (Labeled)，已標籤的資料常見是通過領域知識 (domain knowledge) 或人工標註所建立的標準答案。

監督式學習 Supervised Learning 與非監督式學習 Unsupervised Learing

監督式學習 Supervised learning

監督式學習是以已標籤 (Labeled) 的資料通過演算法進行目標預測，並在學習的過程中不斷修正誤差去提高準確度，目標是面對沒有標籤的資料仍能正確解答，常見於分類 (Classifier) 及回歸 (Regression) 的目的進行應用。分類通常會以交叉熵 (Cross-Entropy)，回歸則以均方誤差 (Mean-Square Error, MSE) 去判斷誤差。

非監督式學習 Unsupervised Learning

非監督式學習不需要提供標籤資料，通過演算法自行判斷目標，目標是為了擷取資料的特徵，常見於集群 (Clustering) 及降維 (Dimension reduction) 的目的進行應用。集群是將特徵相似的資料分成不同的群組，可以概括地分成階層式集群分析 (hierarchical method) 和非階層式集群分析，降維是為了擷取重要的資料，移除不重要的資料，針對維度數 (資料參數) 做縮減 。

非監督式學習 Unsupervised Learning 集群 (Clustering)