教甄◆資訊科題庫下載題庫

監督式學習是四個機器學習模式的第一種。監督式學習演算法會以範例訓練機器，學習模式包含「輸入」和「輸出」資料配對，其中輸出會標示期望值。假如目標是希望機器能辨識雛菊和三色堇的差異，一組二元的輸入資料組會包括一個雛菊影像和一個三色堇影像，這個特定組的期望結果是找出雛菊，因此雛菊會預先標識為正確的結果。

透過演算法，系統會逐步彙整所有訓練資料，並開始決定相對相似度、差異和其他邏輯點，直到能自行預測「雛菊或三色堇」問題的答案，這就如同給孩子一組有參考答案的問題，然後要求他們作答並解釋自己的邏輯

2.什麼是非監督式學習？

非督導式學習是四個機器學習模式中的第二種。在非督導式學習模式中沒有參考答案，機器會研究輸入的資料，多數是未標記與非結構化的資料，並開始使用所有相關且可存取的資料來識別模式和關聯性。各方面來說，非監督式學習是在模仿人類如何觀察世界。我們運用直覺和經驗將事情分類，而隨著經歷更多體驗和範例，分類和識別的能力會越來越精確；對於機器而言，「經驗」則是輸入和可用的資料量。非監督式學習的常見應用包括臉部辨識、基因序列分析、市場研究和網路安全性。

3.什麼是半監督式學習？

半監督學習是四個機器學習模式的第三種。在理想情況下，所有資料都會在輸入系統前結構化並標記，但這顯然不太實際，因此當處理大量原始、非結構化的資料時，半監督式學習就成為可行的解決方案。這類模式會輸入少量標籤資料以強化未標籤資料集。基本上，標示的資料可讓系統開始運作，並大幅提升學習速度和準確性。半監督式學習演算法會指示機器分析已標記的資料，找出可套用至未標記資料的相對屬性。半監督式學習應用於語音與語言分析、蛋白質分類等複雜醫學研究，以及高階詐欺偵測。

4.什麼是強化式學習？

強化式學習是第四種機器學習模式。在監督式學習中，機器會獲得參考答案，並透過找出所有正確結果之間的關聯性來學習；強化式學習模式不包含參考答案，而是輸入一系列允許的動作、規則和潛在結束狀態。當演算法的期望目標屬於固定或二元結果時，機器便可依範例學習。但是在期望結果不確定的情況下，系統必須透過經驗和獎勵來學習，在強化學習模式中，「獎勵」是數字，並設計為演算法應收集的目標。

從各方面而言，這種模式很類似於教導某人如何下棋，雖然您無法演示所有可能的棋步，但可以解釋規則，並透過練習培養技能。獎勵方式不單只是比賽獲勝，還有取得對手的棋子。強化式學習的應用包括：線上廣告買家的自動價格招標、電腦遊戲開發，以及高風險股票市場的交易。