Page 115 - 金融科技力

（二）機器的訓練與預測

要讓機器像人類一樣具有學習與判斷的能力，就要把人類 大 腦
學習 與判斷的 流程轉移 到機器， 基本上就 是運用數 據資料進 行「 訓

練」與「預測」，包括下列四個步驟：

1. 收集：

人類的大 腦經由各 種感官收 集大量的 資訊，才 能進行分 析與
處理，機器學習也必須先收集大量的數據進行訓練。

2. 分析：

人類的大 腦分析收 集到的數 據找出可 能的規則 ，電腦也 是利

用大量的數據分析，找出可能的規則。

3. 建模：

找出可能的規則後，會 利用這個規則來建立「模型」，機 器學
習裡的「 模型」有 點類似人 類大腦經 由學習而 來的經驗 。機器學

習中，不同變 數之間存 在數學上 或機率上 的規則，稱 為「模型 」，
可以應用 在許多地 方，例如 ：撲克牌 比賽可以 運用某種 模型分析

出過的牌 、出現的 牌來評估 每個玩家 的勝率， 模型必須 基於遊戲
規則、機率理論、基本假設等來建立。

4. 預測：

等學習完成了，再將新的數據輸入模型就可以預測未來。有人

把這種技術稱為「資料探勘」或「預測建模 (Predictive Modeling)」，
例如：預測人類玩家接下來要下的棋步，或要出的牌的花色、某封

電子郵件是否為垃圾郵件、預測某筆線上交易是否為詐欺行為等。

101