21. 下列何者不屬於監督式學習演算法？
(A) 支援向量機(Support Vector Machine, SVM)
(B) K-最近鄰居法(KNN, K Nearest Neighbor)
(C) 階層分群法(Hierarchical clustering)
(D) 決策樹(Decision tree)

答案：登入後查看
統計： A(11), B(18), C(46), D(17), E(0) #3233467

詳解 (共 3 筆)

#6098476
監督式學習演算法的主要特點是利用標記資...
(共 251 字，隱藏中）
前往觀看
2
0
#6345693
(A) 支援向量機 (Support Vector Machine, SVM)
SVM 是一種監督式學習演算法，用於分類或回歸任務。它通過尋找一個最佳超平面來分隔不同類別的數據，需要訓練數據中的標籤來確定這個超平面。因此，SVM 屬於監督式學習。
(B) K-最近鄰居法 (KNN, K Nearest Neighbor)
KNN 是一種基於實例的學習方法，通常用於分類或回歸。它根據訓練數據中 K 個最近鄰居的標籤來預測新數據的標籤。雖然它不顯式建立模型，但它依賴標籤數據進行預測，因此 屬於監督式學習。
(C) 階層分群法 (Hierarchical Clustering)
階層分群法是一種分群技術，通過逐步合併或分割數據點來建立層次結構的群集。它不需要標籤，而是根據數據之間的相似性（例如距離）來分群。因此，這是一種 非監督式學習 演算法，不屬於監督式學習。
(D) 決策樹 (Decision Tree)
決策樹是一種監督式學習演算法，廣泛用於分類和回歸任務。它通過訓練數據中的特徵和標籤，構建一個樹狀結構來進行決策預測。因此，決策樹 屬於監督式學習。
1
0
#6420163

在機器學習中，演算法通常被分為監督式學習（Supervised Learning）、非監督式學習（Unsupervised Learning）和強化學習（Reinforcement Learning）等類別。

  • 監督式學習：使用帶有標籤（Label）的資料進行訓練，目標是學習從輸入到輸出的映射關係，用於預測或分類。
  • 非監督式學習：使用沒有標籤的資料進行訓練，目標是發現資料中隱藏的模式、結構或關係，例如分群或降維。

檢視選項： (A) 支援向量機 (Support Vector Machine, SVM)：是一種常用的分類和迴歸演算法，需要帶有類別標籤的訓練資料，屬於監督式學習。 (B) K-最近鄰居法 (KNN, K Nearest Neighbor)：可以應用於分類和迴歸問題，需要已知類別的鄰居來決定新資料點的類別，屬於監督式學習。 (C) 階層分群法 (Hierarchical clustering)：是一種分群演算法，用於將資料點分組到不同的簇中，它不需要預先知道類別標籤，屬於非監督式學習。 (D) 決策樹 (Decision tree)：用於分類和迴歸問題，通過樹狀結構來做決策，需要帶有標籤的訓練資料來建構樹，屬於監督式學習。

因此，不屬於監督式學習演算法的是階層分群法。

答案是 (C) 階層分群法(Hierarchical clustering)。

0
0

私人筆記 (共 1 筆)

私人筆記#6025703
未解鎖
監督式學習是指在訓練數據中包含了輸入和...
(共 517 字，隱藏中）
前往觀看
1
0