Page 106 - 物聯網金融商機

98

且不存在的知識。

機器學習方法

機器學習一般的方法有預測 (Predictive)、分類 (Classifi-
cation)、群聚 (Clustering)、關聯性分析 (Associate Analysis)、
順序 (Sequential Modeling)、推估 (Estimation)。Classification

以及 Regression 主要 是用來做 預測，而 Association 與
Sequence 主要是用來描述行為 (例如消費行為)。Clustering 則
是預測和描述行為都可。

茲說明如下：
1. 預測 (Predictive)
預測是提設定一或多種獨立自變數來分析出某個因變

數的標準值。也就是推估未來的數值以及趨勢，歷史
資料可以用來建立模型以推估新的觀察值的數值。例

如：預測某結果出現的機率等。一般使用的相關技術
包括迴歸分析、時間序列分析 (Time series analysis)、
類神 經網路及 案例庫推 理 (Case-Based Reasoning)

等。預測 (Predictive) 是根據對象屬性之過去觀察值
來預測該屬性未來之值。例如：由消費者過去之刷卡
消費量預測其未來之刷卡消費量。

2. 分類 (Classification)
根據不同屬性變數的特性，來建立判定其屬性的類
別。也就是分析資料的所有特質，再將其指派至所屬

的群集中。例如：常使用的方法有決策樹 (Decision
tree) 、 支 持 向量機或 類神經網 路 (Neural Network)