外觀
Machine Learning › 基礎概念 › 問題類型與學習範式
問題類型與學習範式 (Problem Types and Learning Paradigms)
選模型之前,先確認手上有什麼訊號(有沒有標籤)、需要什麼輸出。問題框錯,比模型選錯更難救。
學習範式 (Learning Paradigms)
| 範式 | 訓練訊號 | 例子 |
|---|---|---|
| 監督式 (supervised) | 已標註的 (X, y) | 由基因表現預測腫瘤亞型 |
| 非監督式 (unsupervised) | 只有 X | 單細胞資料分群找細胞類型 |
| 半監督式 (semi-supervised) | 少量標註 + 大量未標註 | 少數人工標註的病理切片 + 大量未標註切片 |
| 自監督式 (self-supervised) | 從資料本身造出標籤(遮住一部分再預測) | 蛋白質語言模型(遮蔽胺基酸預測)、BERT |
| 強化學習 (reinforcement learning) | 行動後的獎勵訊號 | 分子設計、遊戲、機器人控制 |
問題類型
| 類型 | 輸出 | 例子 | 筆記 |
|---|---|---|---|
| 迴歸 (regression) | 連續值 | 房價、藥物反應 IC50 | 迴歸 |
| 分類 (classification) | 類別 | 垃圾郵件、疾病 / 健康 | 分類 |
| 排序 (ranking) | 項目的順序 | 搜尋結果、候選藥物優先序 | 推薦系統 |
| 分群 (clustering) | 群組 | 顧客分群、細胞類型 | 分群 |
| 降維 (dimensionality reduction) | 低維表示 | PCA、t-SNE 視覺化 | 降維 |
| 異常偵測 (anomaly detection) | 異常分數 | 詐欺、儀器異常 | 異常偵測 |
| 時間序列預測 (forecasting) | 未來值 | 下個月銷售 | 時間序列 |
為什麼問題類型重要
問題類型同時決定三件事:
| 決定 | 例子 |
|---|---|
| 能用哪些模型 | 分類不能直接用線性迴歸;排序問題用分類模型常不是最佳 |
| 資料怎麼切 | 時間序列不能隨機切;同一病人的多筆資料要分組切 |
| 哪些指標有意義 | 迴歸用 RMSE;不平衡分類不要只看 accuracy |
預測目標、決策時間點、分析單位(病人?樣本?細胞?)有任何一個不清楚,就先不要調模型。見 問題定義。