hce_kmu
111年
計算機概論與程式設計
第 27 題
Machine learning can be divided into supervised learning and unsupervised learning. The two problems most commonly dealt with in supervised learning are regression and classification. When you predict the target to be a continuous numerical value, we call it regression; if the target is discrete, we call it classification. Which one of the following common algorithms is NOT a classification algorithm?
- A SVM
- B Linear
- C Decision trees
- D KNN
- E Naive Bayes
思路引導 VIP
請思考一下：如果你正試著預測一個具體的數值（例如明天的降雨量是 15.5 毫米還是 20.0 毫米），而不是預測「會下雨」或「不會下雨」，哪一個選項的名稱最常與這種「尋找趨勢直線」的預測方式聯繫在一起？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準地從眾多演算法中分辨出它們的應用場景，代表你對**監督式學習（Supervised Learning）**的分類與回歸概念已有很紮實的掌握。
分類與回歸的本質區別
這題的核心在於區分「輸出結果」的類型。題目中提到，當預測目標是離散（Discrete）的標籤時，我們稱為分類。選項中的 SVM、決策樹（Decision Trees）、KNN 以及 單純貝氏（Naive Bayes） 都是處理分類問題的經典利器。而選項 (B) Linear 通常指涉 線性回歸（Linear Regression），它的目標是預測一個連續性的數值（例如房價、氣溫），這正符合題目描述中「回歸」的定義，因此它不屬於分類演算法。
▼ 還有更多解析內容