Page 79 - 高中生活AI大智慧-電子書_Neat

（圖 4-1：監督式學習）

2. 非監督式學習
非監督式學習是讓演算法從大量的數據資料串流中，自行找出模
式並將這些數據做出分類 ( 如圖 4-2）在我們輸入大量資料時，不需
要事先以人力處理標籤資料的答案；我們可以把非監督式學習演算法

視為教導小孩的過程，就像是我們在小朋友面前擺了各種不同顏色的
積木，在沒有事先告知小孩這些積木是什麼顏色的情況下，讓小朋友
將積木依據顏色分類，這就是非監督式學習，非監督式學習常用的方
法為聚類與降維。

非監督式學習的特性讓它在資料探勘初期是很好用的工具。對比
監督式學習，非監督式學習優點是可以減低繁瑣的人力工作，找出潛
在的規則。但缺點是會造成較多功耗，或不具重要性的特徵 (Feature)

被過度放大，導致結果偏誤、無意義的分群結果。

（圖 4-2：非監督學習）

77