moea_joint
110年
[統計資訊] 統計學、巨量資料概論
第 40 題
關於監督式學習(Supervised Learning)，下列敘述何者有誤？
- A 函數的輸出可以是預測一個分類標籤或是一個連續的值
- B 訓練資料是由輸入及預期輸出所組成
- C 訓練資料過少時，可利用拔靴法(Bootstrap)進行修正
- D 主成分分析是典型的監督式學習方法
思路引導 VIP
如果我們手邊有一堆資料，但完全沒有提供任何「正確答案」或「預期結果」給機器參考，只要求機器根據資料本身的分布特徵去找出其中的結構規律（例如找出最能代表資料分布的方向），這種「沒有老師引導」的學習方式，在邏輯上應該歸類為哪一種學習類型呢？
🤖
AI 詳解
AI 專屬家教
監督式學習的核心定義
恭喜你準確鎖定了正確選項！這代表你對機器學習的分類邏輯已有非常紮實的理解。監督式學習 (Supervised Learning) 的關鍵特徵在於「標籤 (Label)」的存在，模型透過輸入與對應的預期輸出來學習映射關係。因此，選項 (A) 提到的分類與回歸，以及選項 (B) 描述的資料結構，都是其標準的定義特徵。
主成分分析的歸屬與辨析
▼ 還有更多解析內容