專欄文章

       機器學習領域，通常分為監督式學習（Supervised Learning）與非監督式學習（Unsupervised Learning），監督式學習，其資料集的特色為有註釋標籤（label），而非監督式學習的資料集是沒有註釋標籤，所謂的半監督式學習（Semi-Supervised Learning），是部分資料是有註釋標籤。現實世界中，通常遇到的情況是沒有標籤的資料遠大於有標籤的資料，這也接近我們實務上所操作的資料，我們從不缺資料，缺的是有標籤的資料，就像我們可以用手機拍很多照片，但是他們都是沒有標籤的資料。

       機器學習跟人類的學習非常相似，要讓機器（電腦）跟人類一樣有學習能力，通常我們會先把資料分類（Classification），再進行分析（Analysis）、判斷（Judgement）、最後採取行動（Action）。而有標籤的資料就是告訴機器標準答案，機器再進行測試資料的時候會依照標準答案作答，正確性會比較高，例如：我們要訓練機器區分貓和狗的圖片，我們要提供十幾萬張貓和狗有註釋的照片，機器會依照註釋的照片去偵測貓和狗的特徵，依照特徵辨識出貓和狗的預測結果。

       然而，註釋大量的照片是非常耗人力成本與時間，在標註的過程中也有可能標示錯誤，例如：將貓的圖片標示成狗，等同於告訴你錯誤的答案，這會嚴重影響預測結果，因此機器學習的研究發展朝向非監督式學習的路線；非監督式學習就是不告訴電腦標準答案，要求電腦學習預測正確的結果，但這是非常困難的，因此有學者提議半監督式學習，也就是對少部分資料進行「註釋」或「標註」，電腦只要透過少數註釋的資料找出特徵，就可以做到分類預測的效果，例如：在1000張的照片中，我只要註釋100張哪些是貓哪些是狗的照片，機器透過這100張照片的特徵，去辨識及分類剩餘的照片，因為已經有辨識的依據，所以預測出來的結果通常比非監督式學習準確，如下圖為機器學習類別對應資料集的特性示意圖。

                                                                                                            不同機器學習類型所對應的資料集特性

撰文者：政大人工智慧與數位教育中心   黃啟賢研究員