前言
昨天我們談到監督式學習的兩大任務：分類（Classification）與迴歸（Regression）。其中分類任務在生活中最常見，也最容易理解。那麼，分類任務又可以再細分成哪些不同的類型呢？今天就來深入看看。

一、二元分類 (Binary Classification)

最簡單的分類就是二元分類，意思是只有兩種可能的答案。

比如：一封電子郵件是「垃圾信」還是「正常信」？

又或者：醫學檢測結果是「陽性」還是「陰性」？

在這種情況下，模型的目標就是學會在「是 / 不是」之間做出判斷。通常我們會用 0 和 1 來表示結果。

二、多類分類 (Multi-class Classification)

如果類別不只兩種，而是三種、四種甚至更多，那就是多類分類。

比如：辨識一張水果的照片，可能是「蘋果」「香蕉」「橘子」或「葡萄」。

又比如：手寫數字辨識任務，輸入一張數字圖片，模型需要判斷它是 0 到 9 中的哪一個。

在這裡，每個樣本只能屬於其中一個類別，不會同時是「蘋果」又是「香蕉」。

三、多標籤分類 (Multi-label Classification)

最後一種更靈活的情況，就是多標籤分類。意思是每個樣本可以同時屬於多個類別。

比如：一張照片裡，同時有「海灘」「日落」「人物」這三個標籤。

又比如：YouTube 的影片，可能同時標記為「音樂」「運動」「教學」。

跟多類分類不同的是，多標籤分類不是「只能選一個」，而是「可能有很多答案」。

小結

今天我們介紹了分類任務的三種類型，了解這些分類型態，有助於我們更直觀地判斷「問題屬於哪種分類」，也能幫助選擇合適的模型。後續章節，我們會更深入探討這些分類是如何透過演算法來實現的。