一、 請說明序列樣式探勘的應用包括哪二種?

購物預測: 由顧客的購買記錄預測其買了某項商品後，可能追
加的商品。
移動行為預測: 由使用者的行動資料預測其可能前往的下一個
地點。
二、 請分別說明何謂「分類與監督式學習」及「聚類與非監督
式學習」?
分類與監督式學習:
分類問題的目標是根據已知樣本的類別標籤去建立對應的分類
模型。因有類別標籤做為標準參考，所以也被稱為監督式學
習。
聚類與非監督式學習:
聚類的特點在於使用的資料不需要類別標籤，直接根據資料的
特徵屬性將資料分群，也就是非監督式學習。（目標是讓同群
中的資料差異越小越好，而不同群之間則反之。）
三、試解釋下列名詞(30%)
(1)知識發現(knowledge discovery)
從大量資料中找出並善用過去潛在的有用知識，實現各種智慧
性應用
(2) 關聯規則(Association Rule)
用以描述不同事物共同出現的關聯性。（若事件 A 出現時，B
總會伴隨發生，則關聯規則形式可為 A → B）
(3)決策樹(Decision Tree)
循序找出最具有代表性的特徵屬性，對要分類的類別作有效的
區分。
(4)K-平均演算法
是聚類方法之一，其每個群包含一個群中心。每個資料點都會
被分配到離本身最靠近的一個群之中。
(5)強化學習
其架構是在環境給予刺激下逐步形成對獎勵或懲罰的預期並產
生能獲得最大利益的判斷方法。
三、 請說明整個訓練對抗生成網路的流程可以分為哪兩大步
驟?
1. 固定生成網路，訓練判別網路
2. 固定判別網路，訓練生成網路
五、請說明 Q-learning 的運作流程圖為何?

六、請說明 K 平均演算法仍具有哪些盲點?
(1)在超高維度的空間中，資料分佈不易視覺化，難以決定分群
個數 K 值。
(2)個群中心的起始位置是隨機決定的，然而其好壞，大大影響
結果的正確性。
七、 請說明階層式聚類分析的好處有哪些?
(1)高維度的資料分群完後可以樹狀圖呈現，使資料樣本間距離
遠近的分佈狀況視覺化。
(2)若群間距離的計算方法設定得宜，有機會彌補 K-means 之不
足。
八、 請說明工業人工智慧落實的五個元素為何?
分析與人工智慧技術
大數據技術
雲技術與物聯網技術
專業知識與經驗
實際改善