47. 下列何者不為監督式學習（Supervised Learning）方法？
(A) K 近鄰法（K-Nearest Neighbor）
(B) 支援向量機（Support Vector Machine）
(C) 邏輯迴歸（Logistic Regression）
(D) 自我組織映像圖（Self-OrganizingMap）

(D) 自我組織映像圖（Self-Organizing Map, SOM）

解析：

監督式學習 (Supervised Learning) 指的是訓練數據包含標籤 (Labeled Data)，即模型學習從輸入 XXX 到輸出 YYY 的映射關係，常見應用包括分類 (Classification) 和回歸 (Regression)。

而 非監督式學習 (Unsupervised Learning) 則是沒有標籤的學習方法，主要用來探索數據的結構，例如降維 (Dimensionality Reduction) 或分群 (Clustering)。

選項分析

✅ (A) K-近鄰法 (K-Nearest Neighbor, KNN) - 監督式學習

• KNN 是分類與回歸的監督式學習方法，透過比較測試點與訓練點的距離來進行分類或預測。
• 例如，根據附近 K 個點的標籤決定新數據的標籤。

✅ (B) 支援向量機 (Support Vector Machine, SVM) - 監督式學習

• SVM 是監督式學習的一種，用於分類與回歸問題。
• 目標是尋找最佳決策邊界 (Hyperplane)，將不同類別的數據分開。

✅ (C) 邏輯迴歸 (Logistic Regression) - 監督式學習

• 邏輯迴歸是監督式學習的分類方法，透過 Sigmoid 函數將輸出值轉換為概率來進行分類，如垃圾郵件識別 (Spam Filtering)。

❌ (D) 自我組織映像圖 (Self-Organizing Map, SOM) - 非監督式學習

• SOM 是一種非監督式學習方法，常用於分群 (Clustering) 和降維 (Dimensionality Reduction)。
• 它透過競爭性學習 (Competitive Learning) 來尋找數據的內在結構，例如模式識別和可視化。

結論

✔ 「不屬於監督式學習」的選項是 (D) 自我組織映像圖 (Self-Organizing Map, SOM)，因為它是 非監督式學習方法。