升級成功！你現在是標籤大師了！不完全正確！我們再檢查一次這些標籤吧。模式訓練進行中... … 是不是 … ？… 還是 …
我們稱呼給人工智能的「答案」（例如「勝利」或「失敗」這些詞）為什麼？
正確！標籤就是我們附加在資料上的已知答案，幫助人工智能學習。
在監督式學習中，誰扮演著「監督者」的角色？
沒錯！人類是監督者，因為他們提供給人工智能用來學習的「有評分」範例。
什麼是「訓練資料」？
太棒了！訓練資料就是用來教導人工智能的過去範例集合。
當人工智能觀察標籤時，實際上在尋找什麼？
答對了！人工智能會尋找將輸入特徵與正確輸出標籤聯繫起來的模式。
為什麼我們要用標籤來教導人工智能？
太棒了！一旦人工智能從帶標籤的資料中學到模式，就能猜測它從未見過的資料的答案。
當人工智能理解了標籤後，區分類別的下一步是什麼？
完美！一旦它知道這些群組，人工智能就會學習繪製決策邊界來加以區分！
1
監督式學習：透過標籤進行學習
EvoClass-AI004Lecture 3
0
🤖 嗶嗶噠！準備好訓練你的人工智能了嗎？請選擇下方的訓練步驟，看看標籤是如何運作的。
Py-Bot 指令即時
嗶嗶噠！ 歡迎，未來的分類大師！要幫助人工智能整理資訊，我們需要像教室中的學生一樣去教導它。讓我們一起探索監督式學習吧！
主題進度0%
想像你有一堆電子遊戲的統計資料。為了幫助人工智能，你將每個範例標記為「勝利」或「失敗」。這些標籤就像練習測驗的標準答案。人工智能會觀看這些範例——稱為訓練資料——來學習差異！
1
子主題 1
訓練資料與標籤
提供給人工智能「標準答案」來學習。
在監督式學習中，你才是老大！你透過提供正確答案來擔任「監督者」的角色。人工智能的目標是找出將玩家統計資料與標籤聯繫起來的數學模式，以便預測它從未見過的遊戲結果！
2
子主題 2
人類監督者
你是引導人工智能思維的老師。
人工智能通常需要成千上萬個帶標籤的範例才能成為專家。你提供的高品質標籤越多，人工智能就越擅長找到正確的模式！
你知道嗎？
人工智能通常需要 數以千計 個帶標籤的範例才能成為專家。你提供的高品質標籤越多，人工智能就越擅長找到正確的模式！
載入中...
⭐⭐⭐

任務完成！

你是一位標籤傳奇！