🎯 觀念先決：任務體系判斷
先看「資料有沒有標籤（答案）」，再看「要預測什麼」。
- 監督式學習（有標準答案）：
- 預測連續數字（如：房價、業績）→ 迴歸 (Regression)
- 預測離散類別（如：會/不會買、生病/健康） → 分類 (Classification)
- 非監督式學習（沒有標準答案，讓資料自己說話）：
- 找相似群體 → 分群 (Clustering)
- 抓出不尋常特徵 → 異常偵測 (Anomaly Detection)
- 簡化特徵、視覺化 → 降維 (Dimensionality Reduction)
- 找商品搭售潛規則 → 關聯規則 (Association Rule)
📊 評估指標重點
迴歸專用指標（數字越小越好，除了 R²）
- MSE / RMSE： 均方誤差 / 均方根誤差（對極端值敏感）。
- MAE： 平均絕對誤差（對極端值抵抗力較好）。
- 決定係數 R²： 解釋力指標，範圍 0~1，越接近 1 越好。
分類專用指標（越高越好）
- Accuracy (準確率)： 全部預測中，預測正確的比例；資料不平衡時可能失真。
- Precision (精確率)： 被模型判為正例者中，真正為正例的比例（重視誤報少）。
- Recall (召回率)： 真實為正例中，被成功找出的比例（寧可多抓，不可漏抓）。
- F1-score： Precision 與 Recall 的調和平均，適合評估類別不平衡時整體表現。
- ROC-AUC：衡量模型區分「正類」與「負類」的排序能力，代表隨機抽一個正樣本，其預測分數高於負樣本的機率。不受預測閾值影響，數值介於 0～1，越接近 1 代表分類能力越強（0.5 等同隨機猜測）。
🛍️ 關聯規則衡量標準
- Support (支持度)：A 和 B 同時出現的比例，代表規則的普及程度。
- Confidence (信賴度)：買了 A 的前提下，也買了 B 的條件機率。代表這個推薦的「可靠度」。
- Lift (提升度)：判斷規則是否有實質價值的關鍵。
• Lift > 1：正相關（有推薦價值，買 A 會帶動買 B）。
• Lift = 1：互相獨立（買 A 跟買 B 沒關係）。
• Lift < 1：負相關（買 A 反而會降低買 B 的機率）。
⚔️ 演算法比較
1. 正規化雙星：防過擬合選誰？
特性 | Lasso 迴歸 (L1) | Ridge 迴歸 (L2) |
核心動作 | 會把不重要的係數壓縮到 0 | 會把係數逼近於 0（但不會是 0） |
特點 | 內建「特徵選擇」功能 | 專治「多重共線性」 |
適用情境 | 變數超級多，想挑出關鍵特徵時 | 解釋力很重要，且特徵間高度相關時 |
2. 迴歸抗擾動比較：傳統線性迴歸 vs. SVR
比較項目 | 傳統線性迴歸 | SVR(支援向量迴歸) |
對待誤差 | 最小化所有點的 MSE | 使用 ε-insensitive loss，只懲罰管外誤差 |
抵抗離群值 | 極弱（線容易被極端值拉偏） | 較強（具備誤差容忍機制） |
非線性處理 | 無法處理 | 強（可搭配「核函數」處理複雜非線性特徵） |
資料量限制 | 運算快，適合超大資料量 | 較慢，不適合超大資料 |
3. 常見樹模型比較（集成學習）
模型 | 核心概念 | 特性與考點 |
決策樹 | 像流程圖一樣的 IF-ELSE 判斷 | 易解釋，但單棵樹超容易過擬合。預測結果是不連續的階梯狀。 |
隨機森林 (RF) | 很多棵決策樹一起投票 (Bagging) | 穩定、抗過擬合。可算出「特徵重要性」，但偏向黑箱。 |
XGBoost | 序列學習，專攻錯誤修正 (Boosting) | 採層級式生長 (Level-wise)。運算極快，Kaggle 競賽利器，能自動處理缺值。 |
LightGBM | XGBoost 的輕量極速版 | 採葉子式生長 (Leaf-wise)。速度更快、超省記憶體，但資料太小容易過擬合。 |
4. 非監督式學習比較
任務類型：分群
● K-means：要先給 K 值，只能找球狀，怕離群值。
● DBSCAN：看密度，不用給 K 值，能過濾噪聲、找不規則形狀。
任務類型：異常偵測
● Isolation Forest：透過隨機切分看誰最快被孤立（路徑最短），不計算距離（極速），適合大數據與高維度。
● One-Class SVM：學習「正常樣本」畫出決策邊界，掉出邊界外即為異常，運算較慢且參數難調。
任務類型：降維
● PCA：線性降維，適合機器學習前置處理。
● t-SNE：非線性，專門用來把高維資料畫成 2D/3D 圖（視覺化）。
任務類型：關聯規則
● Apriori：要不斷掃描資料並產生超多候選集（慢）。
● FP-Growth：FP-Growth 只掃描兩次建構樹，不生候選集（極速）。
🚨 常見陷阱
- 名字混淆：「邏輯迴歸 (Logistic Regression)」不是迴歸！
→ 它是用來做「二元分類」的（輸出 0 到 1 的機率值），不能用來預測連續數字！ - 懶惰學習：KNN 演算法其實沒有真正在「訓練」
→ KNN 屬於惰性學習，訓練階段只是把資料存起來，等到要預測時才開始算距離。所以它是「訓練超快，預測超慢」，且遇到高維度資料時，易產生距離計算失效與效能瓶頸。 - 過度理想：「樸素貝式 (Naïve Bayes)」的假設在現實中很難成立
→ 它的前提是所有特徵都「完全獨立」，這在現實世界幾乎不可能。但值得注意的是，即使這項假設與現實存在落差，它在「垃圾郵件分類」跟「文本分析」的任務中，依然能維持穩定的高準確率！ - 距離盲點：孤立森林 (Isolation Forest) 不是以距離為核心！
→ 一般異常偵測都在算點跟點的距離，但孤立森林是透過隨機切分，看誰「路徑最短（最快被孤立）」，誰就是異常值，這種特性讓它在高維度資料中表現極佳。
透過預備 iPAS AI 應用規劃師 (中級) 考試，加強 AI 知識。
※ 內容參考 iPAS 官方學習指引，由 AI 整理產製
