申論題

監督式機器學習和非監督式機器學習是兩種主要的機器學習方法，它們有以下主要差異：

監督式機器學習（Supervised Learning）

1. 資料標籤：使用標記資料集進行訓練，即每個輸入樣本都有對應的正確輸出（標籤）。
2. 目標：學習輸入和輸出之間的映射，以便在未來對新樣本進行準確預測。
3. 應用：分類問題（如垃圾郵件檢測）、回歸問題（如房價預測）。

非監督式機器學習（Unsupervised Learning）

1. 資料標籤：使用未標記資料集進行訓練，即沒有對應的輸出（標籤）。
2. 目標：從數據中發現內在結構或模式，如分群（clustering）和降維（dimensionality reduction）。
3. 應用：客戶分群、異常檢測、資料視覺化。

主要差異

• 資料標籤：監督式需要標記資料，非監督式不需要。
• 目標：監督式學習預測輸出，非監督式學習發現數據模式。