剛踏入 AI 領域，你是不是常被一堆名詞淹沒？「監督式」跟「非監督式」到底差在哪？為什麼資料要分成三份？什麼又是「過擬合」？
如果你正為這些問題頭痛，恭喜你，這篇文章就是為你準備的。
今天，Lun 直接從我們「終極衝刺包」中，精選出四大新手最容易卡關的核心基礎，用最白話的方式，帶你一次打通任督二脈！
核心觀念一：四大學習類型，AI 如何學東西？
這題考的是你對 AI 問題本質的理解能力。
監督式 V.S. 非監督式 V.S. 半監督式 V.S. 強化學習
- 判準口訣：監督有答案，非監督找規律，半監督省標籤，強化靠試錯。
- 一句話搞懂：有標準答案的學習，就是「監督式」。
核心觀念二：訓練集 vs 驗證集 vs 測試集
為什麼資料不能全部丟進去訓練？請記住這個絕妙比喻：
- 訓練集 (Training Set)：你的「教科書」。模型從這裡學習知識和規律。
- 驗證集 (Validation Set)：你的「模擬考」。用來調整模型的「讀書方法」（超參數），看看怎樣的學習方式分數最高，但這份考卷不能當作最終成績**。
- 測試集 (Test Set)：你的「正式大考」。模型從沒見過的全新題目，用來評估模型的「真實能力」。這份考卷的分數，才是模型的最終成績。
- 一句話：順序搞錯，就像拿著答案去考試，分數再高都是假的，這就是**「資料洩漏」**！
核心觀念三：過擬合 vs 欠擬合 vs 剛好擬合
你的模型是好學生，還是死背書的學生？
- 欠擬合 (Underfitting)：模型太過簡單，連教科書（訓練集）的內容都學不好，考試當然也考不好。→ 學不會。
- 過擬合 (Overfitting)：模型把教科書（訓練集）背得滾瓜爛熟，連標點符號都記下來，但一考模擬考（驗證集）就傻眼，因為它只會「死背」，缺乏舉一反三的能力。→ 學太過。
- 剛好擬合 (Good Fit)：在教科書上學得好，模擬考也考得不錯，代表模型學到了真正的規律。→ 學得好。
核心觀念四：常見任務類型識別
拿到一個問題，你怎麼知道該用哪種方法解？
|
- 關鍵判斷：要預測的是「類別」（是不是詐騙），還是「數值」（房價多少錢）？需不需要「標準答案」（標籤）？
打好基礎後，想挑戰更進階的內容嗎？
以上四大觀念，是進入 AI 領域的入場券。
當你掌握了這些，下一步就是要學會如何「評估模型好壞」、「分辨商業陷阱」。在我們的【IPAS 考前終極衝刺包】裡，有更深入的超過 30 組魔王觀念。
一起跟Lun，陪你玩轉 AI 新世代。
＊本內容為個人學習筆記，非官方資訊，僅供參考，請以 iPAS 官方公告為準。
