開場

昨天我們聊了深度學習為什麼會爆紅，今天的新手村任務是 —— 搞懂監督式學習 (Supervised Learning) 與非監督式學習 (Unsupervised Learning)。
這是機器學習的兩大基礎分類，理解這個差別，就像知道遊戲裡「有 NPC 教學任務」和「自己自由探索」的不同。

一、監督式學習 (Supervised Learning)

概念：有老師（標籤）在旁邊指導。資料集中包含 輸入 + 正確答案。

監督式學習的核心概念就是「有老師在旁邊指導」，也就是說資料集中同時包含輸入與正確答案。這種方式常見於兩大任務：其一是 分類 (Classification)，用來判斷輸入屬於哪一類，例如貓狗分類、垃圾郵件過濾，甚至是醫療診斷中判斷腫瘤屬於良性或惡性；其二是 迴歸 (Regression)，用來預測連續數值，例如房價預測、股票價格走勢或氣溫變化。簡單來說，監督式學習就像遊戲裡有 NPC 教你打怪，一路上都有提示，讓模型能快速學會正確的判斷方法。
二、非監督式學習 (Unsupervised Learning)

概念：沒有老師，資料沒有標籤，電腦只能靠自己找規律。

非監督式學習的重點在於「沒有老師帶路」，資料沒有標籤，電腦必須自己從中找出規律。它的常見任務包括 分群 (Clustering)，將相似的資料自動聚在一起，例如電商進行顧客分群，或影視平台依照觀眾的觀影習慣推薦內容；另一個是 降維 (Dimensionality Reduction)，把高維度資料壓縮成較少的維度，方便可視化或加速模型訓練，常見方法有 PCA 與 t-SNE，廣泛應用於資料探索。整體來說，非監督式學習就像遊戲裡「自己亂闖地圖」，不知道怪物的名字，只能憑直覺把長得或行為相似的怪歸在同一類。

三、對比表格

監督式學習：最常用於分類與預測，實務應用最多。

非監督式學習：常用於前處理、資料探索、找出隱藏規律。

深度學習的多數應用屬於監督式學習，但非監督式在理解資料結構上同樣關鍵。