你知道機器學習有哪些學習方式嗎?

2022-10-26 Wed

機器是透過什麼樣的方式學習資料並進一步去訓練模型?

🔸機器學習可以分為三大類學習方法：

1.監督式學習

2.非監督式學習

3.強化式學習

(接下來我們將以分辨老鼠和貓為例子，解釋三種機器學習運作模式)

🔸監督式學習:事前需要依靠大量的人工作業，先將我們要交給機器學習的物件資料，一一標籤出我們的預測目標(老鼠/貓)，而機器依據不同標籤內的特徵進行學習，不斷優化及提升模型的準確率(因為是透過人工分類，所以對於物件的判別精準度高，等同模型對照正確答案進行學習)。

【缺點】:因為監督式學習需要先進行標籤，所以當資料量大時，如果不能用有效的方法將資料標記上標籤，就會導致人工耗費大量的時間在標記上面!

【實際應用】:將標籤有老鼠的所有特徵資料、標籤有貓的所有特徵資料交給機器，讓機器根據標籤去學習老鼠和貓個別的特徵，再建造出用來判別兩者的模型。

【其他應用】:股價預測、文字情緒判斷。

🔸非監督式學習:只要給機器學習的資料中沒有標籤，那就是非監督式學習，機器會透過特徵資料之間的相似度來分群，會將特徵較相似的分群在一起，將他們歸為一類。

【缺點】:機器自行將相似的資料進行分類，但人類其實並不知道他的分類依據是甚麼，所以都是透過人工去自行猜測解讀；也有可能分出來的類別並不是我們所期待的!

【實際應用】:將一組含有老鼠、貓的所有資訊全部交給機器，讓機器靠著資訊中的特徵差異，自行去分類出老鼠、貓。

【其他應用】:資料分類。

🔸強化式學習:機器完全根據使用者給予的正反面反饋做學習，並做模型上的修正與調整!

【缺點】:當訓練的整體環境和實際應用的環境差異過大時，會使模型喪失準確度。

【實際應用】:使用者給予一個老鼠或貓的資訊，讓機器先給予他的答案，使用者再針對答案給予正、反回饋，機器會針對回饋進行調整。

【其他應用】:自動駕駛中自助停車的功能(不斷嘗試錯誤的停車方式，並從中調整得出正確的停車方法)。

✅塔圖的廣告產品使用哪種機器學習的方式來訓練模型呢?

廣告產品:塔圖LTA資料受眾包
機器學習方式:透過監督式學習訓練目標:我們希望透過過去使用者的行為資料，去預測未來使用者的行為(ex:會購買/不會購買)，並將預測出的受眾打包成受眾包，供廣告主在投放FB廣告時能選擇想要的受眾進行運用，不僅讓廣告受眾選擇上可以有更多的選擇，不局限於FB原有的興趣受眾，還能使投放上變得更加精準!
受眾包更新頻率:每日都會透過模型運算來更新受眾包中的受眾，並自動和FB後台進行連動。
運作模式:我們發現消費者從點擊商品、加入購物車到最後完成購買，其實都存在著一定的規律，因此我們整理出這些購買行為的特徵，透過機器學習的演算法將這些購買行為的特徵進行演算，藉此預測出消費者未來的行為。
模型上的優化:會不斷去比對我們所預測出會完成目標行為的受眾、實際有完成目標行為的受眾，並從中找出可以優化和改善的地方再去做模型上的調整，讓預測出的受眾能變得更加精準!

如果你的品牌想使用我們的LTA資料受眾包，或是有任何的廣告需求都歡迎與塔圖聯絡，我們專注於精準廣告投放技術，並以數據應用來優化廣告成效，為你提供最優質的廣告解決方案!

塔圖LTA受眾包產品介紹:Tagtoo 資料受眾包

Email📩: tagtoo@tagtoo.org