阿摩線上測驗
2. 某物流公司正在規劃導入 AI 系統以優化多項業務流程，包含異常包裹偵測、路 線自動規劃與倉儲揀貨效率提升。技術團隊在評估過程中，針對不同任務的資 料特性與學習目標，討論應採用哪種機器學習方式。請問下列對於各學習方式的敘述，何者有誤？
(A)監督式學習(Supervised Learning)適合用於異常包裹偵測，前提是須備有大量已標註為正常或異常的歷史資料；
(B)非監督式學習可(Unsupervised Learning)用於分析倉儲揀貨動線的潛在分群，但無法直接預測特定行為的對錯；
(C)強化學習(Reinforcement Learning)適合應用於路線規劃，模型透過反覆嘗 試與環境回饋，逐步找出最佳配送策略；
(D)非監督式學習(Unsupervised Learning)可用於異常包裹偵測，並能在缺乏標 註資料的情況下，準確判斷每筆資料是否屬於特定異常類別
答案：登入後查看
統計： A(7), B(38), C(15), D(121), E(0) #3922896
統計： A(7), B(38), C(15), D(121), E(0) #3922896
詳解 (共 2 筆)
poq30245819
#7493438
ㅤㅤ
監督式學習與非監督式學習的最大差別，在於訓練資料是否帶有標籤（Label / 標準答案）。
ㅤㅤ
監督式學習 (Supervised Learning)
定義：使用「已加標籤」的資料來訓練模型，也就是輸入資料都有對應的正確答案。
運作方式：模型根據標準答案進行預測，並反覆調整參數以減少錯誤。
ㅤㅤ
常見任務：
- 分類 (Classification)：例如判斷一封郵件是否為垃圾郵件。
- 迴歸 (Regression)：例如根據房屋大小與地點預測房價。
ㅤㅤ
非監督式學習 (Unsupervised Learning)
定義：使用「未標籤」的資料，資料沒有標準答案可以依循。
運作方式：讓模型自行分析數據的結構、隱藏特徵與相似性來分組或簡化。
常見任務：
- 分群 (Clustering)：例如依據消費者的購物行為將客戶分類。
- 降維 (Dimensionality Reduction)：例如用 PCA 將複雜的高維數據簡化。 [1]
0
0
