L113 機器學習概念
完成後你能：分辨六種學習類型，說出常見演算法屬於哪一類，並從訓練誤差與測試誤差判斷過擬合或欠擬合。
這個單元約 15 分鐘：讀重點，練 2 題，再用 3 題沒做過的題目驗證。
- 讀重點
下方的白話重點與例子 - 練 2 題
- 驗證 3 題
步驟 1・讀重點
先看懂這些
六種學習類型（必考）
| 類型 | 資料要求 | 典型算法 / 例子 | 考試關鍵詞 |
|---|---|---|---|
| 監督式 | 有標籤 | 線性迴歸、SVM、決策樹 | 分類、迴歸、預測 |
| 非監督式 | 無標籤 | K-means、PCA、DBSCAN | 分群、降維、異常偵測 |
| 半監督式 | 少量標籤 + 大量無標籤 | 自訓練（Self-training） | 標記成本高、資料稀缺 |
| 自監督式 | 無需人工標記 | BERT、GPT 預訓練 | ≠ 非監督式，預測遮蔽詞 / 下一句 |
| 強化式 | 環境獎懲 | Q-Learning、PPO | 下棋、自動駕駛、機器手臂 |
| 遷移學習 | 預訓練模型 | Fine-tuning、BERT 微調 | 少量資料解決新任務 |
［官方勘誤］ K-means 收斂條件
錯誤：B（群內距離最大化）
正確：A（群內距離最小化，群間距離最大化）
Bias-Variance Trade-off（模型評估核心）
過擬合（Overfitting）
- 訓練誤差低，測試誤差高
- High Variance，Low Bias
- 解決：正則化、Dropout、增加資料
欠擬合（Underfitting）
- 訓練和測試誤差都高
- High Bias，Low Variance
- 解決：增加模型複雜度、更多特徵
考試陷阱
- 監督 vs 自監督學習：BERT/GPT 預訓練是自監督，不是無監督