快速回答
Supervised Learning（監督式學習）是機器學習最基本也最常用的方法。核心概念很簡單：你給 AI 一堆「題目＋正確答案」，讓它從中學會規律，之後就能對新的題目給出答案。
白話解釋
就像家教帶學生做數學：
- 老師出題：「3 + 5 = ?」
- 學生答題：「7」（答錯了）
- 老師糾正：「正確答案是 8，你差了 1」
- 學生修正：調整自己的計算方法
- 重複幾千次：學生學會加法的規律
這裡的「老師」就是標記好的訓練資料，「學生」就是模型，「糾正」就是損失函數。AI 不斷調整自己的參數（就像學生調整計算方法），直到答對率最高。
兩大核心任務
| 類型 | 預測什麼 | 範例 | 常用演算法 |
|---|---|---|---|
| 分類 | 離散的類別 | 垃圾郵件 or 正常？貓 or 狗？ | 邏輯回歸、SVM、決策樹、Random Forest |
| 回歸 | 連續的數值 | 房價多少？明天幾度？ | 線性回歸、Ridge、Lasso、XGBoost |
常見演算法比較
| 演算法 | 優點 | 缺點 | 適用場景 |
|---|---|---|---|
| 邏輯回歸 | 簡單、可解釋、速度快 | 只能處理線性問題 | 二分類、基準模型 |
| 決策樹 | 直覺好懂、不需特徵縮放 | 容易過擬合 | 規則明確的分類 |
| Random Forest | 準確度高、不易過擬合 | 訓練慢、模型大 | 結構化資料首選 |
| XGBoost | 競賽冠軍、效能優異 | 需要調參、較難解釋 | Kaggle 競賽、企業 ML |
| 神經網路 | 處理複雜模式、多模態 | 需大量資料和運算 | 影像、文字、語音 |
監督式學習工作流程
- 收集資料：取得原始資料（圖片、文字、數字）
- 資料標記：人工標記正確答案（最花錢的步驟）
- 資料清洗：處理缺失值、異常值、格式統一
- 特徵工程：選擇和建構有用的特徵
- 訓練模型：用標記資料訓練演算法
- 驗證評估：用測試資料評估模型表現
- 部署上線：把模型放到生產環境使用
三種學習方式比較
| 方式 | 訓練資料 | 學什麼 | 代表應用 |
|---|---|---|---|
| 監督式學習 | 有標記（有答案） | 輸入→輸出的對應關係 | 垃圾郵件、房價預測 |
| 非監督式學習 | 無標記（沒答案） | 資料內部的結構和群組 | 客戶分群、異常偵測 |
| 強化學習 | 獎勵訊號 | 最佳行動策略 | AlphaGo、機器人 |
常見問題 FAQ
監督式學習和非監督式學習有什麼不同？
監督式用有標記的資料學習；非監督式用沒有標記的資料自己找規律。監督式適合分類和預測，非監督式適合聚類和降維。
LLM 屬於監督式學習嗎？
LLM 結合多種方法：預訓練用自監督式學習，Fine-tuning 用監督式學習，RLHF 用強化學習。
為什麼資料標記這麼重要又這麼貴？
標記品質決定模型品質。標記需要大量人工，專業領域更貴（如醫療影像需醫生標記）。
什麼是分類？什麼是回歸？
分類預測離散類別（是不是垃圾郵件？），回歸預測連續數值（房價多少？）。
過擬合是什麼？
模型把訓練資料「背下來」而沒學會規律。解決方法：增加資料量、正則化、交叉驗證。詳見過擬合專文。
新手適合先學哪個演算法？
從邏輯回歸和決策樹開始。概念直觀、容易理解，且實際效果不錯。之後再學 Random Forest、XGBoost。