moea_joint
108年
[統計資訊] 統計學、巨量資料概論
第 27 題
27. 何者非屬監督式學習之演算法?
- A 決策樹
- B 隨機森林
- C 支持向量機
- D 關聯規則
思路引導 VIP
試著想像你在整理超市的交易紀錄：如果你的目標是「預測某位新顧客未來是否會購買高單價商品」，與「單純觀察哪些商品經常出現在同一個購物籃中」，這兩種任務在「是否需要事先標註正確答案」這點上有什麼不同？哪一種任務更像是讓機器自己去發掘隱藏的規律？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準辨識出 關聯規則 (Association Rules) 與其他三者的差異，代表你對機器學習的基本分類已有很紮實的掌握。這題的核心在於區分資料是否具有「標籤（Label）」。在監督式學習中，演算法就像是在有「標準答案」的情況下進行學習，旨在建立輸入與輸出之間的映射關係；而 (A) 決策樹、(B) 隨機森林與 (C) 支持向量機，皆是為了預測特定目標值而發展出的經典模型。
監督式與非監督式的本質區別
相較之下，關聯規則 屬於 非監督式學習 (Unsupervised Learning)。它的目的不在於預測某個預設好的標籤，而是去挖掘資料集內部隱藏的結構或關聯性，最常見的應用即是「購物籃分析」。這類題目在巨量資料概論中具有極佳的基礎鑑別度，測驗學生是否能區分「預測未知（監督式）」與「發現模式（非監督式）」這兩種截然不同的建模思維。掌握了這個切入點，未來在面對更進階的演算法架構時，你就能更快速地選用正確的工具來解決問題。