追求真價值投資之道

科技宅男 – Machine Learning 的四種學習方法

不同公司都聲稱使用機器學習處理大數據,訓練人工智能,但事實上機器學習又有分為哪些種類呢 ?

Image by xresch from Pixabay

1. 監督式學習 Supervised Learning

所有數據及資料都已被人手標註 ( Label ),則事先已輸入相關值。此方法準確性最高,但相當花費人力及時間,因為此方法要求人手輸入標準答案用於學習。假設某個機器學習的目的為分辨老鼠、獅子及狗,事先需要用戶標註相關資料,例如提供1000張已標註老鼠、獅子及狗的照片,機器會依照所標註的資料去偵測相關特徵,從而根據特徵進行分辨。


2. 非監督式學習 Un-Supervised Learning

與監督式學習相反,所有資料都不會被作標註,要求機器自行尋找資料的特徵並分類。此方法對人力要求最低,但錯誤率亦較高。假設某個機器學習的目的為分辨不同水果,只需提供大量不同水果的照片,機器會自行偵測不同特徵,從而根據特徵進行分辨。

圖片來源 : https://www.diegocalvo.es/en/learning-non-supervised/

3. 半監督式學習 Semi-Supervised Learning

半監督式學習結合以上兩種方法,為現時最常用的方法。用戶需要對小部分資料進行標註,電腦根據已標註的資料找出特徵,並對其他未標註資料進行分類。因為用戶事先已對小部分資料進行標註,電腦有相關資料作為依據,因此準確度通常較非監督式學習高,而所需的人力資源亦較監督式學習低。


4. 強化式學習 Reinforcement Learning

強化式學習與以上其他監督式學習方法有著顯著的不同,用戶事前並不會標註任何資料,而是基於機器學習的每一步提供回饋,指出相關結果是否正確,令電腦自行修正,從而得出正確的結果。此方法對非監督式學習確保正確率尤其重要。

圖片來源: heartbeat.fritz.ai

參考資料:
三分鐘了解機器學習的四個學習方式 https://www.ecloudvalley.com/zh-hant/machine-learning/

關於此作者

科技宅男

一個熱愛科技的宅男,在此分享科技的新奇熱事及軟件教學,歡迎大家互相交流。

加入留言

追求真價值投資之道