機器學習知識地圖

監督式學習8 題 Supervised Learning 回歸問題2 題 預測連續數值（房價、氣溫） 線性回歸4 題 最基礎的回歸演算法 Ridge (L2)2 題 L2 正規化，防止過擬合 Lasso (L1)6 題 L1 正規化，特徵選擇 Elastic Net L1 + L2 正規化 分類問題 預測類別（垃圾郵件、疾病） 邏輯斯回歸5 題 二元分類（Yes/No） 決策樹/隨機森林6 題 樹狀結構，易於理解 梯度提升樹 (GBDT)2 題 XGBoost / LightGBM / CatBoost SVM1 題 支援向量機 K-近鄰 (KNN)3 題 近朱者赤，近墨者黑 朴素貝氏3 題 機率分類，快速簡單 LDA / QDA 分類 + 監督式降維

非監督式學習3 題 Unsupervised Learning 分群/類聚/叢集(Clustering)4 題 Clustering - 將資料分組 K-Means2 題 將資料分成 K 個群組 階層式分群 樹狀圖，不需預設 K DBSCAN / HDBSCAN5 題 密度分群，可找異常點 降維2 題 前處理/表徵學習 PCA4 題 主成分分析，線性降維 t-SNE1 題 非線性降維，視覺化 UMAP 快速非線性降維 GMM 高斯混合模型

強化學習9 題 Reinforcement Learning Q-Learning1 題 Off-policy 價值型方法 SARSA On-policy 價值型方法 Policy Gradient 策略型方法，直接優化 Actor-Critic (A2C/A3C) 結合價值與策略

半監督式學習1 題 Semi-Supervised Learning 自訓練 Self-Training 偽標籤 Pseudo-Labeling 協同訓練 Co-Training 標籤傳播 Label Propagation 一致性正則化 Consistency Regularization

機器學習4 題 機器學習分類與評估指標

評估指標3 題 MAE、MSE、RMSE、R² 評估指標 準確率、F1、Log Loss 評估指標 準確率、OOB誤差、特徵重要性 評估指標 準確率、AUC-ROC、Log Loss 評估指標 準確率、邊界間距 評估指標 準確率、混淆矩陣 評估指標 準確率、精確率、召回率 評估指標 準確率、類別分離度 評估指標 輪廓係數、手肘法、SSE 評估指標 樹狀圖、輪廓係數 評估指標 DBCV、群集穩定度 評估指標1 題 解釋變異比例、重建誤差 評估指標 局部結構保留 評估指標 局部+全局結構 評估指標 累積獎勵、Q值收斂 評估指標 累積獎勵、安全性指標 評估指標 累積獎勵、策略熵 評估指標 累積獎勵、訓練效率 評估指標 BIC/AIC、對數似然