昨天的文章中，我們提到了兩個例子。

大家可能沒印象，沒關係，你點一下我的系列文，往第一篇點下去。除了我的瀏覽量多一之外，你也知道兩個例子是什麼了。

好拉，不點也沒關係。

就是呢，我們提到的例子之中的，都是說你把資料以及那個資料對應的結果（什麼字？、有沒有被騙？）輸入到電腦。
這種學習叫做監督式學習，他只是其中一種學習的方式。

一般來說有三種方式：

• 監督式學習
• 非監督式學習
• 增強式學習

相信聰明如你，看到這邊大概就知道前兩個是什麼意思了吧！
簡單來說正如你想的這樣，就是監督式學習會給對應的結果。非監督式不會給對應的結果，而是要電腦自己去判斷，找出資料的機率分佈，也就是分群的概念。

機率分佈？？分群？？那啥毀？？

舉個例子，我們看看這個圖片

對，很多樹，不過眼尖的觀眾馬上就看到有一個不是樹，而是櫻桃（？？？）。
若是監督式學習呢，就會把每張圖片以及他是什麼給電腦，讓電腦學完之後。給他一張新的圖片請他判斷他是什麼。

而非監督式學習，則僅是把每張圖片給電腦，就這樣。而電腦會告訴你哪一些圖片是一組的而那一些圖片又是另一組的，這就是我們的分群。

不過我們可以想像，這是一個非常難的問題，像是

連我們人都非常難回答這個問題了，何況是電腦呢！

最後的增強式學習，可以把電腦想像成一隻狗，可愛的狗。
他亂尿尿，你罵他，他到該尿尿的地方尿，你給他肉肉。
自然而然，他就會去你認為他該尿尿的地方尿尿了，一天教狗就上手！

對，就是利用這樣的概念，去懲罰與獎勵你的電腦，讓他最後產出你希望的行為！

以上三種方式呢，我們這次的主題PRML，只有討論前面兩種方式。
所以我們這次的文章也只會提及前面兩種學習方式！

那麼明天我們就開始討論到底要怎麼學吧！
千萬不要錯過！！！！（這句是在提醒我自己）