昨天開始進入了模型，介紹了第一個機器學習模型（Machine Learning Model）— 決策樹（Decision Tree）。

回到昨天所舉的例子，我們想從一堆郵件當中分辨出垃圾郵件，餵給模型的資料是有標記過的資料，也就是說，這些郵件已經被（人工）標記為「一般郵件」跟「垃圾郵件」。

模型根據這個標記過的資料，去做學習並進行預測，這是一種 Supervised Learning（監督式學習）。

今天就要來介紹模型不同的學習模式：Supervised、Unsupervised、Semi-supervised Learning。

這邊簡單介紹一下這三種學習模式：

Supervised Learning → 用標記的資料
Unsupervised Learning → 用沒有標記的資料
Semi-supervised Learning → 結合有標記跟沒標記的資料

Supervised Learning（監督式學習）

• 監督式學習使用有標記(label)的資料進行學習
• 我們要先進行人工的資料標記，然後把有標記過的資料為給電腦進行機器學習
• 這種方式對電腦而言比較輕鬆，但是對人而言，因為需要標記，準備資料會比較麻煩
• 如果人工標記錯誤的話，會嚴重影響機器的判斷
• 優點：這種機器學習方式雖然可以提高機器預測的準確率
• 限制：在面對未知的領域時，就比較無法運作

常見的監督式學習類型的機器學習技術

1. logistic regression 邏輯迴歸：根據一個或多個輸入預測分類輸出
2. binary classification 二進制分類
3. linear regression 線性迴歸：根據一個或多個輸入，進行連續行數值的預測
4. decision tree 決策樹

Unsupervised Learning（非監督式學習）

• 不需要事先進行人工標記
• 不像 Supervised learning 從輸入跟輸出的資料學習，Unsupervised learning 只從輸入的資料學習，直接從資料中找規律
• 常見的任務可能包含：
  • Clustering（集群）（例如：K-means）
  • 找出資料的關聯性（Association）
  • 降維（例如：PCA、LDA）

Semi-supervised Learning（半監督式學習）

• 半監督式學習就是同時套用監督式學習和非監督式學習技術
• 在標記資料有限的情況下，使用少量標記資料＋大量未標記資料一起訓練
• 如果人工標記過的資料有限，就可以利用半監督式學習，可以取得更高的準確性和效率

三者比較

• 監督式學習雖然比較能確保得出結果的準確率，但是其所能應用的範圍有限制，面對沒有遇過的資料也比較沒有應變能力
• 非監督式學習能夠探索的方向較廣，但是我猜想花的時間應該也會比較久，不過彈性相對來說很高
• 半監督式學習可能比較符合現實當中會遇到的資料狀況，我們無法人工標記所有的資料，只能進行有限度的資料標記，剩下的就可以留給機器自行學習

參考資料1
參考資料2