知識 · AI 基礎

監督式學習 · 非監督式學習

Supervised / Unsupervised Learning

📂AI 基礎⏱閱讀 2 分鐘📊實務🔗相關 4

什麼是監督式學習?

一句話定義
監督式學習是用「附有正確答案」的資料來學習;非監督式學習則是不靠正確答案,自行找出資料中的規律與結構。
這個主題,也能用企業內訓來學📚 相關課程💬 教育洽詢
⚡ 3 行重點摘要
  • 監督式:用附有標準答案的資料學習
  • 非監督=無正確答案,發現規律
  • 機器學習的兩種方式

選哪一種,不是演算法喜好的問題,而是要先決定專案時程與人事成本。一旦決定走監督式學習,「由誰、以什麼標準、標註多少筆正確答案」就會佔掉整體工時的一半;若改走非監督式學習,標註成本雖然消失,但「判斷結果是否可用」的工作會原封不動落到業務現場身上。因此第一次會議應該提出的問題,不是要用哪個模型,而是我們的資料庫裡有沒有對應正確答案的欄位。

監督式學習又分為分類(流失/留存、不良品/良品)與迴歸(下個月需求量、預估單價)。實務上可用的分類模型,通常每個類別需要數百到數千筆標籤;若是像流失客戶只占全體 3% 的不平衡資料,模型可能拿到 97% 的準確率,卻只會回答「全部正常」。非監督式學習除了 分群 外,也常用於降維與異常偵測。標籤只有數百筆時,混合兩者的是半監督式學習;從資料本身製造問題與答案的,則是自我監督學習,填補兩者之間的空白。強化學習與它的界線在於:不是給正確答案,而是給好壞的獎勵。

現場最常出錯的地方,是「沒有標籤,所以走非監督」這個決定。分群的結果只是編了號的一團團資料;第 3 群要叫「價格敏感族群」,依據不在模型,而要由人來定義。而且把分群數從 4 改成 6,上個月報告裡的客群區隔就會整個消失。反過來,在監督式學習中,過去標籤的偏誤會原封不動地被複製。如果拿業務憑感覺標記「這家好像快走了」的紀錄去訓練,模型預測的不是流失,而是某位業務員的判斷習慣。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
看著解答學習(監督式)與自己找出規則(非監督式)的差別 — 取決於資料有沒有標準答案。
為什麼在實務上很重要
AI 學習問題的方式,可以先做一個大分類。您的資料中是否「有正確答案」,決定了採用哪種方法。
監督式 vs 非監督式學習
比較監督式學習非監督式學習
資料有標籤(有正確答案)無正確答案
目的預測(分類、迴歸)發現模式・結構
是流失預測客戶分群
由來與出處

這是機器學習初期就確立的基本分類架構,依資料是否有正確答案(標籤)來區分學習方式。

透過案例理解

以下以假設案例來說明。員工 240 人、年營收 KRW 110,000,000,000 (≈ US$82,331,600) 的工業耗材經銷商 A 公司,管理 8,400 家定期交貨的客戶。兩年來月流失率一直停在 2.8%,業務本部卻只不斷重複「不知道哪裡有風險」。資料團隊 3 人接下了這項為期 4 個月的專案。

  1. 資料團隊的 Kim 部長從 ERP 撈出最近 24 個月的交易紀錄,發現 8,400 家交易對象中,只有 1,900 家有記錄流失與否。標準答案欄位連四分之一都沒填滿。
  2. 召集五位業務主管,統一定義為「連續 3 個月零訂單即視為流失」,並花兩週為過去資料回溯補上 6,200 筆標籤。
  3. 標籤補齊後,用監督式學習跑流失預測模型,風險前 300 家中有 214 家實際走上流失路線,命中率 71%。
  4. 同一份資料不給標籤,改以發包週期、品項數與平均單價進行分群,結果出現 6 個群組。業務本部長說:「第 4 群組我們從來沒有單獨管理過。」
  5. 將小量多品項交易的 1,120 家客戶(第 4 群)指派一名專責 CS,並把 300 家高風險客戶排入拜訪行程。
  6. 6 個月後,月流失率從 2.8% 降至 1.6%,年化流失營收則從約 KRW 3,400,000,000 (≈ US$2,544,800) 降至 KRW 1,900,000,000 (≈ US$1,422,100)。
相關術語
與此術語相關的課程
📚AI 代理實務入門Nanum 經營顧問企業內訓 · 實體/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

視目的而定。有正確答案且需要預測,就用監督式學習;要探索資料結構,則用非監督式學習。
通常是透過大量資料進行「猜下一個內容」的自我監督學習來預訓練。
目的不同。預測用監督式學習,發掘隱藏規律用非監督式學習。
通常會先以「自我監督學習」進行預訓練:不需標籤,從資料本身產生答案來學習。