機器學習技術

機器學習 (Machine Learning)到底是什麼? 機器學習跟AI有什麼關係?

在說明這些內容之前，必須要有一個非常重要的觀念，就是

人工智慧 (AI) 的一切都是建立在數據 (Data) 上

就像人類一樣，一定是基於學習了基礎的知識後，才會去應用、推理、延伸出更多的想法與知識。

用最簡單的方式說，機器學習就是一種技術。

YehsonTech延伸科技在分析行為模式或是預測市場趨勢時，第一步就是將數據(Data)分成訓練數據 (Training Data) 與測試數據 (Test Data) 兩部分。

舉例來說，我們有大量的數據是關於不同年齡的男性點擊過不同產品的數據。訓練數據會將一部份用來建立模型，從這些訓練數據的模式、特徵，並調整內部參數後，讓模型可以輕易地預測出訓練數據中的結果，比如訓練數據顯示點擊”PS5″的都是20~30歲的男性。

接著用剩下的部分當做測試數據，用來評估上一步建立出來的模型的表現。比如在測試數據中驗證是否點擊”PS5″產品都是20~30歲的男性，也就是測試模型的泛化能力。

當測試模型後，會得到模型的準確率 (Accuracy) 或者其他評估指標 (如F1分數、精確率、召回率等)。比如測試數據中的確顯示91%點擊”PS5″產品都是20~30歲的男性，而我們設定的目標是90%，就可以認為這個模型是可行的，這個模型就可以開始應用到市場並做出預測。

如果要販售”PS6″，就針對20~30歲男性喜歡的款式、這些男性常出現的地點放廣告。

機器學習技術，就是一種讓系統從大量數據中自動學習和改進模型的技術，不需要明確的定義公式、編寫程式規則，而是通過從大量數據中識別模式。

機器學習技術可以分成以下幾個種類：

監督學習（Supervised Learning）：從已標註的數據中學習，常見的算法有線性回歸、支持向量機（SVM）、決策樹等。

無監督學習（Unsupervised Learning）：從無標註數據中找出隱藏的模式，常見算法包括聚類（如K均值）、降維（如PCA）等。

強化學習（Reinforcement Learning）：通過與環境的交互來學習，讓模型根據獲得的回報來調整策略，應用於自駕車、遊戲等領域。

半監督學習（Semi-supervised Learning）：結合監督學習和無監督學習，通常處理標註數據有限的情況。

遷移學習（Transfer Learning）：將一個領域學到的知識應用於另一個相關領域。