40. 關於非監督式學習（unsupervised learning），下列敘述何者「不正確」？
(A) 線性可加模型（General Additive Models, GAM）、效能提升模型 （Boosting）與支援向量機（Support Vector Machine, SVM）等屬 於非監督式學習的範疇
(B) 研究是否預測變數（predictors）X1, X2, . . . , Xp 之間存在有趣的 型態
(C) 研究是否能以具訊息力的方式視覺化資料背後的結構與關係
(D) 能發現變數間或觀測值間的子群體

非監督式學習（Unsupervised Learning） 是指無需標籤（label）的學習方法，主要應用於發掘數據中的內部模式與結構。常見技術包括：

• 聚類（Clustering）：如 K-means、階層式聚類（Hierarchical Clustering）、DBSCAN。
• 降維（Dimensionality Reduction）：如 主成分分析（PCA）、t-SNE、LDA。
• 關聯規則探勘（Association Rule Mining）：如 Apriori、FP-Growth。

選項分析

(A) 線性可加模型（GAM）、效能提升模型（Boosting）與支援向量機（SVM）等屬於非監督式學習的範疇

• ❌ 錯誤（本題答案）
• 線性可加模型（GAM）、Boosting、SVM 都是監督式學習（Supervised Learning）方法，並非非監督式學習：
  • GAM（Generalized Additive Models）：迴歸模型，屬於監督式學習。
  • Boosting（如 XGBoost、AdaBoost）：監督式學習的集成方法，用於分類與迴歸。
  • SVM（Support Vector Machine）：監督式學習模型，用於分類與迴歸。
• 錯誤點：這些模型都需要標籤（label），不屬於非監督式學習。