Add 2020-02-14-Machine-Learning.md

Author: david8388

_posts/2020-02-14-Machine-Learning.md

@@ -0,0 +1,44 @@
+---
+layout: post    
+title: 什麼是機器學習(MachineLearning)
+date: 2020-02-14 21:20
+categories: [MachineLearning]
+---
+
+## 機器學習
+
+機器學習(Machine Learning)，是用過往資料以及經驗中自動分析並找到運行規則，然而對未知的資料進行預測的演算法
+
+機器學習透過樣本訓練機器然而做出運作，簡單來說就是從資料中得到函數學習並且創造演算法，利用它做預測
+
+## 從資料中學習
+
+機器學習是透過以下步驟進行預測資料
+
+1. 需要資料(訓練模型)
+
+2. 從資料中學習
+
+3. 從步驟二中所學習到的經驗，用來分類該未曾發現見過資料，並預測
+
+
+## 機器學習方法
+
+1. 監督式學習：在訓練過程中`提供物件及預期輸出`，可以是`有標籤`的資料，對人來說最辛苦，但`準確性最高`，例如：訓練機器預測照片是貓還是狗，會提供50張貓及狗的照片，機器會依標籤照片去偵測貓與狗的特徵，依照這些特徵進行預測
+
+2. 半監督式學習：對`少部分資料輸入標籤`，電腦`透過有標籤的資料找出特徵並進行分類`，準確性較非監督式學習高，例如：共有50張照片，其中10張輸入標籤哪些是狗，哪些是貓，機器會透過這10張照片的特徵去辨識照片的種類，因為`已經有辨識的依據`，所以`結果較非監督式學習高`
+
+3. 非監督式學習：`不需事先輸入標籤`，只提供案例，對人來說最輕鬆，已沒有標準答案的資料來訓練機器，`讓機器自動找出可能的規則`應用到新案例上，所以`誤差較大`，例如：機器需自行判斷50張照片中，哪些特徵是貓、哪些特徵是狗。預測時則依照自行分類的特徵去辨識動物種類，所以結果誤差會較大
+
+4. 增強學習：機器透過每一次與環境的互動來學習，來產生最大利益的行為，`不需輸入標籤`，但`告訴機器它的行為是否正確`，`透過回饋的好壞`，`讓機器逐步調整`，最終得到正確的結果，例如：把貓當作狗，人就給予錯誤訊息，機器會再次辨認特徵及分類，透過一次次的學習，讓預測結果越來越準確
+
+
+參考資料：
+
+- [資料科學與機器學習](https://www.ibm.com/tw-zh/analytics/machine-learning)
+
+- [機器學習](https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)
+
+- [人工智慧、機器學習、深度學習是什麼? – Machine Learning 教學系列 (一)](https://blog.gcp.expert/ml-1-ai-ml-deep-learning-intro/)
+
+- [三分鐘了解機器學習的四個學習方式](https://www.ecloudvalley.com/zh-hant/machine-learning/)