本篇文章主要對機器學習做個簡單的介紹，分享機器學習的主要三種方式，分別為監督式學習、非監督式學習以及加強學習。
監督式學習(Supervised Learning)
監督式學習為目前被廣泛運用的一種學習方式，有完整的訓練資料，而每筆訓練資料都有相對應的答案。在這樣的學習過程中，機器藉由訓練集的資料訓練出模型，未來投入新的資料時，機器便可根據這個模型對新的資料進行預測。
預測的結果可分為類別型態集數值型態，常見相關模型包含Linear Regression, Polynomial Regression, Logistic Regression, Decision Tree, Random Forest, KNN, SVM, Naive Bayes, Neural Network 等等。
非監督式學習(Unsupervised Learning)
有別於監督式學習，非監督式學習的資料是沒有答案的，更不需要人力去做標籤。比較經典的非監督式學習為分群問題，機器會根據資料特徵去做分類，有時我們也會以定義距離的方式去做分群。
常見相關模型包含Clustering, K-means, Anomaly Detection, PCA等等。
加強學習(Reinforcement Learning)
加強學習主要是經由每一次執行結果得到的反饋，再次對機器訓練， 從一次又一次的修正中得到更好得結果。前幾年AlphaGo打敗世界棋王的經典案例也是加強學習的一個例子。
深度學習也是加強學習中的一個案例，常見模型包含CNN, LSTM, GAN等等。
機器學習步驟:
- 蒐集資料
- 整理資料
- 選擇模型
- 進行訓練
- 模型調整
- 進行預測
機器學習首部曲的內容主要著重在第三個步驟，模型選擇。我們將分享一些機器學習的方法，並用Python進行練習。
詳細解說可參考影片，投影片可參考:
I’m just commenting to let you be aware of of the fabulous discovery my cousin’s daughter experienced going through your site. She even learned lots of issues, most notably how it is like to have a very effective giving mindset to have many others with ease learn some problematic things. You truly surpassed people’s expected results. Thank you for producing these precious, trusted, informative and in addition fun tips about this topic to Lizeth.