36. 關於非監督式學習(Unsupervised Learning)的敘述，下列選 項何者錯誤？
(A) 非監督式學習是一類機器學習的方法，其目的是發 現資料中的結構和關聯性
(B) 非監督式學習的一個常見應用是分群(Clustering)， 將相似的資料分為同一類別
(C) 在非監督式學習中，模型需要從標記好的資料中學 習，以便為新的未標記資料做出預測
(D) 非監督式學習不需要事先知道資料的標記或答案

非監督式學習的特性

• 目標：發現資料的內在結構、關聯性或模式，而不是根據標記（labels）來學習。
• 無標記資料（Unlabeled Data）：不需要事先提供正確答案（標籤）。
• 典型應用：
  • 分群（Clustering）（如 K-Means、DBSCAN、層次式聚類）
  • 降維（Dimensionality Reduction）（如 PCA, t-SNE）
  • 異常偵測（Anomaly Detection）
  • 關聯規則學習（Association Rule Learning）（如 Apriori, FP-Growth）

分析選項

• (A) 非監督式學習是一類機器學習的方法，其目的是發現資料中的結構和關聯性

  • ✅ 正確。非監督式學習的主要目標是探索資料的結構，而不是學習標記。

• (B) 非監督式學習的一個常見應用是分群(Clustering)，將相似的資料分為同一類別

  • ✅ 正確。分群（Clustering）是非監督式學習的典型應用之一，常見方法有 K-Means、階層式聚類（Hierarchical Clustering）、DBSCAN 等。

• (C) 在非監督式學習中，模型需要從標記好的資料中學習，以便為新的未標記資料做出預測

  • ❌ 錯誤。這描述的是 監督式學習（Supervised Learning），如分類（Classification）或回歸（Regression）。非監督式學習不依賴標記資料，而是試圖從未標記資料中學習結構和模式。

• (D) 非監督式學習不需要事先知道資料的標記或答案

  • ✅ 正確。這是非監督式學習的定義之一，不需要預先標記的資料，模型從未標記資料中尋找模式。

正確答案：

✅ (C) 在非監督式學習中，模型需要從標記好的資料中學習，以便為新的未標記資料做出預測（這是錯誤的說法）