iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論・115 年第一次・L11・第 3 題

哪個特徵「不符合」非監督式學習?

原題

下列何者不符合非監督式學習(Unsupervised Learning)的典型特徵?

白話

這題給你幾個關於非監督式學習(Unsupervised Learning)的描述,請找出其中不對的那一個。

問你:下列哪一個描述不符合非監督式學習的典型特徵?

一句話總結

非監督式學習不需要標籤,自己找規律;「學習輸入特徵與既定目標標記之間的對應關係」是監督式學習(Supervised Learning)的定義,不符合非監督式學習。

情境

先感受問題:沒有老師的機器,怎麼學?

假設你是「鮮旅行」旅遊平台的資料分析師。公司有 10 萬筆用戶行為數據:點擊記錄、搜尋關鍵字、停留時間,但這些數據沒有任何人工標記,沒有人說「這個用戶是背包客」「那個用戶是家庭旅遊客」。

主管說:「幫我把這 10 萬個用戶分成幾個不同類型,讓行銷可以針對不同類型發不同推薦。」

你面臨的困境:沒有標準答案,沒有人告訴你「正確答案是分成 5 類」,你只能讓模型自己去分析數據的相似性,找出自然的分群結構。

這就是非監督式學習(Unsupervised Learning)的用武之地:在沒有標籤、沒有老師的情況下,從數據本身找出結構。

舊方法

監督式學習 vs. 非監督式學習:差在哪?

在「鮮旅行」理解這個差別,要先想像兩種訓練方式:

  1. 有老師教(監督式):每筆數據都有標籤,例如「這個用戶是背包客(1)」「那個用戶不是(0)」。模型學的是「哪些特徵對應哪個標籤」,有固定的正確答案可以對照
  2. 沒有老師教(非監督式):只有原始數據,沒有標籤。模型自己找「哪些用戶的行為很像」,把相似的聚在一起,不靠任何外部定義的類別
  3. 標籤成本高:要標記 10 萬筆用戶需要人工逐一判斷,成本極高。非監督式學習的優點就是不需要標籤
  4. 目的不同:監督式學習的目的是「預測已知類型」,非監督式是「發現未知結構」。前者要有明確的目標標記,後者不需要
  5. 評估方式不同:監督式有準確率可以量化,非監督式的「好不好」較難客觀評估,通常靠業務解釋能力判斷

新方法

非監督式學習怎麼幫「鮮旅行」分群用戶

「鮮旅行」用 K-means 分群演算法(一種非監督式學習方法),把 10 萬名用戶的行為數據丟進去,不告訴模型「正確答案是幾群」,讓它自己依據行為相似性分群。

結果出來:模型自動找出了 4 個行為群組:深度旅遊者(長停留、搜尋小眾景點)、親子旅客(搜尋親子設施、寬敞房型)、商務出差者(週一週五、市中心飯店)、快閃週末族(短停留、促銷敏感)。

這個過程完全沒有人告訴模型「這些特徵對應的類別標記是什麼」,模型純粹依據數據內部的相似性找出結構。

注意選項 D 說「學習輸入特徵與既定目標標記之間的對應關係」,這句話的關鍵是「既定目標標記」。有「標記」就代表有老師、有答案,這是監督式學習的特徵,不是非監督式學習。

這就是選項 D 為什麼不符合非監督式學習:模型主要學習輸入特徵與既定目標標記之間的對應關係,是監督式學習的定義。

錯選項

為什麼其他選項是錯的

A模型可依據資料中的特徵相似性進行自動分群

字面在說什麼

模型根據數據特徵的相似程度,自動把相似的數據點歸在一起。

為什麼不對

這正是非監督式學習的核心用途:分群(Clustering)。K-means 就是典型例子,完全依靠特徵相似性自動分組,不需要人工標籤。A 符合非監督式學習,不能選。

誰會選錯

沒看到題目是「不符合」的反向選題,直接選感覺「對的」選項的人。

B訓練過程中不需仰賴事先定義的標籤資料

字面在說什麼

訓練時不需要人工標記好的答案,模型純粹從原始數據學習。

為什麼不對

「不需要標籤」幾乎是非監督式學習的定義本身,這是它與監督式學習最根本的區別。B 完全符合非監督式學習,不能選。

誰會選錯

不熟悉非監督式學習定義,隨機猜測的人。「不需標籤」是非監督式最重要的關鍵字,要記住。

C常用於探索資料的潛在結構或隱含模式

字面在說什麼

用來發現數據中隱藏的規律,比如用戶行為中隱含的分群結構,或高維數據中的潛在維度。

為什麼不對

「探索潛在結構」是非監督式學習的核心使用情境,特別是在業務探索、數據理解、異常偵測等場景。C 符合非監督式學習,不能選。

誰會選錯

覺得「潛在結構」這個詞聽起來比較模糊,不確定是否符合非監督式學習定義的人。記住:非監督式就是要找「你還不知道的結構」。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論 第 3 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。