文／楊婷婷　

隨著技術進步，AI將不斷推動創新，改變我們的生活方式，你知道機器學習中，有哪些基礎演算法呢？我們來舉幾個常見例子吧！

分類決策 各種演算



「分類演算法」是透過機器學習分類演算法，判斷出想要預測的值是屬於哪一類。舉個例子，用貝氏分類器區別郵件，它會幫我們判斷出哪一封郵件是垃圾郵件還是正常郵件，我們的Email郵件中有一個垃圾郵件的分類處，就是這樣分出來的，至於它靠什麼分出來的？分類細項當然不少，例如郵件中出現了「免費」或「贏得獎品」等詞語的特徵時，那麼，有極大的可能被判斷成垃圾郵件了。

「決策樹演算法」是經過一次又一次的Yes or No篩選階段，來選出最終答案。具體說，就像是數據分析師，要從市調資料了解某些商品的客群特徵，規畫未來產品開發方向，他會根據購買者的年齡、性別、生活習慣等資料，藉由決策樹一步一步地分類，來了解每種商品最有可能的客群的特徵。

分析資料 決定方案



當然，演算方式繁多，還有許多我們不熟悉或不理解，藉由上述兩項方法，我們能概略知道，選擇機器演算，應先確認手上的資料類型、資料量的大小、品質、特徵、參數的數量等。簡單來說，就是要知道自己想做什麼，例如是需要對大量資料做分類，或是需要更進一步對未來進行預測，再加上查閱相關文獻與成功案例方法，才能更有效率地選擇適合的機器學習方法。