Page 116 - 金融科技力

（三）機器學習的種類

機器學習 的種類最 主要分成 四種：監 督式學習 (Supervised
Learning)、非監督 式學習 (Un-supervised Learning)、半監督 式學習

(Semi-supervised Learning) 及強化式學習 (Reinforcement Learning)。
分述如下：

1. 監督式學習：

所有資料 都被「標 註 (Label)」，告訴機器相對應 的值，以 提

供機器學 習在輸出 時判斷誤 差，預測 時比較精 準。換句 話說，就
好像模擬 考有提供 答案，學 生考後可 以比對誤 差，這樣 正式考試

時成績會 比較好。 例如，若 要訓練機 器區分大 象和獅子 ：我們任
意選出 100 張照片並且「標註」哪些是大象、哪些是獅子，輸入

機器後令 其學習認 識大象與 獅子的外 觀，因為 照片已經 標註，機
器只要把照片內的「特 徵 (Feature)」取出來，依照標註的照片去

偵測大象 和獅子的 特徵，將 來在做預 測時只要 尋找這個 特徵 (例
如大象的長鼻子跟獅子的鬃毛 )，就可以辨識並進行預測。

2. 非監督式學習：

所有資料 都沒有標 註，機器 透過尋找 資料的特 徵，自己 進行

分類。此 種方法不 用人工進 行分類。 若使用非 監督式學 習辨識大
象及獅子 ，因為照 片沒有標 註哪些是 大象或獅 子，機器 或電腦得

必須自己 嘗試把照 片內的「 特徵」取 出來，自 行判斷提 供的 100
張照片裡 有哪些特 徵的是大 象、哪些 特徵的是 獅子，並 同時進行

分類。

3. 半監督式學習：

少部分資料有標準答案 (標註 )，可提供機器學習輸出判斷誤
差使用； 大部分資 料沒有標 註，機器 必須自己 尋找答案 ，等於是

結合監督式與非監督式學習的優點。若有 10 張照片，則標註其中
10 張照片哪些是大象哪些是獅子。機器透過這 10 張照片的特徵，

102