我停止書寫條件，讓模型自行低語。
它比我預期的還快學會了預測。
現在換我困惑了。
那些藏在你腦中的答案，是從哪裡來的？
前言
類神經網路、機器學習等 AI 技術其實早已存在多年，但直到近幾年隨著硬體效能的大幅提升，這些技術才迎來了真正的爆發。過去我總是「看著 AI 說話、聽著 AI 表演」，卻始終沒能踏進這場技術盛宴。
直到碩士課程的第一年，我選修了一門人工智慧的課，才第一次親身體驗了什麼叫「機器學習」。
當然，3 學分的一學期課程不可能涵蓋整個 AI 的廣度與深度。那堂課主要從簡單的理論出發，接著透過 Python 實作進行展示。我們選用了 Kaggle 上經典的入門題目——Titanic - Machine Learning from Disaster 作為練習素材。
本系列文章將分享我在自學機器學習過程中的實戰經驗與感想，內容未必面面俱到，也可能有些疏漏，
但都是我真實碰到的狀況、解法與成長軌跡。
如果你也正走在這條路上，或許我們能在彼此的嘗試中找到一點共鳴。
機器學習是甚麼？我對它的理解
以往我們在寫程式時，常會透過「條件判斷」來解決問題。以垃圾郵件篩選為例，傳統做法會像這樣：
如果信件內容包含「中獎」、「免費」、「貸款」這些關鍵字，就標記為垃圾信。
這樣的邏輯其實就像在寫一個函數 y=f(x)，其中的 f(x) 是由工程師手動訂出的規則。這種方法的問題在於——規則寫得再多，都趕不上垃圾信內容變化的速度。只要詐騙者把「免費」改寫成「𝒻𝓇𝑒𝑒」或「免︿費」，這條規則就會瞬間失效。
機器學習怎麼做？
與其一條條寫規則，不如讓機器自己學會規則。
機器學習的核心思想是這樣的：
- 我們不知道正確的規則函數 f(x) 長什麼樣。
- 但我們手上有很多筆資料，每一筆都有「輸入」x 和「對應的結果」y。
- 透過這些 (x, y) 的組合，我們希望找出一個函數 f，使得 f(x) ≈ y。
也就是說，我們不是直接告訴機器什麼是垃圾信，而是給它幾千筆人類已經標註過的信件（哪些是垃圾、哪些不是），讓它自己從中觀察規律——哪些特徵的出現，會讓一封信更有可能被判定為垃圾。
這樣的做法帶來幾個關鍵優點：
- 模型能發現人類無法輕易察覺的潛在規律
- 不需要人工一條一條新增條件式
- 當詐騙手法稍微改變時，只要模型曾見過類似資料，它仍可能做出正確判斷
機器學習有哪些元素？
現在我們知道，機器學習的核心在於：給它大量的輸入和對應的結果，讓它自己去學出兩者之間的關聯。這整個過程，雖然模型會自己學規則，但背後其實還是人類在設計流程、選擇資料、清理錯誤、做出調整。
我自己把機器學習的流程，簡單分成以下五個階段：
1. 資料清理（Data Cleaning）
現實中的資料往往又亂又髒——有缺值、有錯字、有不一致的類別，有差距過大的內容，這一步就是「打掃資料」，讓模型不會因為錯誤資訊而學壞。
📌 例如：名字欄位有的寫 "male"、有的寫 "Male"、有的乾脆拼錯成 "mael"，你不處理，模型就會以為那是三種性別。
2. 特徵工程（Feature Engineering）
你得幫模型決定該看哪些資訊。例如你想預測某人會不會買保險，「年齡」是重要特徵，「姓氏第一個字母」可能就不那麼有用。甚至可以結合兩個特徵而生成新的特徵，增加泛化能力。
📌 特徵工程就像是「挑選考試會考的範圍」，讓學生（模型）專心念對的東西。
3. 模型建立（Model Selection）
你要決定要用哪種模型來解這個問題——邏輯迴歸、決策樹、隨機森林、神經網路……每種模型擅長的領域都不一樣。
📌 就像選老師一樣，有的老師講理論、有的老師給範本，得看你要的是哪一種理解方式。
4. 模型訓練（Model Training）
這一步就是「讓模型開始學」，它會透過你提供的大量資料來調整自己的內部參數，最後變成一個可以預測的工具。
📌 這就像不斷做題練習、累積經驗值，直到學生抓到規律。
5. 封裝應用（Deployment / Inference）
當模型學會後，我們要把它應用到新的資料上——這一步也包含了封裝成服務、串接到產品中，甚至讓它自動更新。
📌 就像學生考完模擬考後，真的進入考場，面對真正的題目。
🤖 聽起來好多步驟，機器學習不就是放給它自己學嗎？
是的，機器學習的終極目標，的確是讓機器自己去學習規律、做出判斷，理想上連特徵都不需要我們人工處理。
但就像人類學習的時候一樣，我們的課本、講義，其實早就是「前人整理好的特徵」，幫助我們跳過試誤、直接掌握重點。
同樣地，在實務上，我們仍需要針對資料進行整理與特徵工程，才能讓模型學得更快、更準、更穩定。
🧪 那有沒有「真的什麼都不整理」的做法？
有的，這類方法我們稱為 無監督式學習（Unsupervised Learning）。
它不需要標籤資料，也不依賴明確的目標輸出，而是讓模型自己在大量資料中「找出規律」。像是：
- 分群（Clustering）：將資料自動分成幾類（如 K-means）
- 降維（Dimensionality Reduction）：找出資料的主要特徵軸（如 PCA）
- 關聯分析：像購物車分析（Market Basket Analysis）
這類學習方式，就比較接近你說的「讓機器自己去摸索」，但用途和適用場景和監督式學習略有不同。
ML大概清楚了，那DL與RL呢？
說到這裡，我們也順便來釐清三個常見但容易混淆的名詞：
名稱全名簡單理解常見應用
1️.ML：Machine Learning（機器學習）
- 簡單理解：給模型大量輸入＋輸出，讓它找出規則
- 常見應用：預測、分類、推薦系統（如信用評分、商品推薦）
2️. DL：Deep Learning（深度學習）
- 簡單理解：機器學習的一種，使用多層神經網路自動學特徵
- 常見應用：語音辨識、影像分類、文字生成（如語音助理、BERT）
3️. RL：Reinforcement Learning（強化學習）
- 簡單理解：透過「試誤」與環境互動，學習如何獲得獎勵最大化
- 常見應用：遊戲 AI、自駕車控制、機器手臂操作
✅ 我這一系列的筆記，會主要聚焦在「傳統機器學習」這個大框架中，也就是處理表格型資料的分類與回歸任務。至於 DL 與 RL，未來會再額外補充延伸應用與實作心得。
結語
機器學習的整體脈絡大致如此，當然還有許多細節無法在這一篇完整展開。
不過，我想這至少為我們開啟了一道入口。
接下來，我會分享在我自學機器學習過程中，最一開始被忽略，卻也可能是最關鍵的一個環節：資料清理。
那些看起來像是在整理 Excel 的瑣碎小事，往往才是決定模型能不能學得好、學得對的真正核心。
