Machine Learning

機器學習是一種讓電腦從資料中自動學習模式，並進行預測或決策的人工智慧技術。它在生物資訊、金融、醫療、製造與自然語言處理等領域皆有廣泛應用。

---

一、基本概念

• 資料集（Dataset）：包含特徵（features）與標籤（labels）的資料樣本，用於訓練與測試模型。

• 模型（Model）：從資料中學習規則的數學函數。

• 訓練（Training）：讓模型從資料中學習。

• 預測（Prediction）：使用訓練好的模型對未知資料進行推論。

• 評估（Evaluation）：測量模型在新資料上的準確性與泛化能力。

---

二、學習類型

1. 監督式學習（Supervised Learning）

• 輸入與對應輸出已知。

• 常見任務：分類（Classification）、回歸（Regression）

• 範例：乳癌良惡性預測、股票價格預測

2. 非監督式學習（Unsupervised Learning）

• 輸出未知，探索資料內在結構。

• 常見任務：分群（Clustering）、降維（Dimensionality Reduction）

• 範例：族群基因變異分類、細胞亞群辨識

3. 強化學習（Reinforcement Learning）

• 通過與環境互動獲得回饋，學習最優策略。

• 範例：機器手臂控制、圍棋 AI、資源配置最佳化

---

三、常見演算法

類型	演算法範例
分類	決策樹、SVM、KNN、隨機森林、Logistic Regression
回歸	線性回歸、Lasso、Ridge Regression
分群	K-means、階層式分群（Hierarchical Clustering）
降維	PCA、t-SNE、UMAP

---

四、常見流程

1. 資料前處理（清洗、標準化、特徵工程）

2. 分割資料集（訓練集 / 驗證集 / 測試集）

3. 選擇模型與訓練

4. 模型調參（Hyperparameter Tuning）

5. 評估模型效能（Accuracy, AUC, F1-score）

6. 上線應用或進一步分析（Feature Importance, SHAP 等）

---

五、應用案例（生醫領域）

• 利用 Logistic Regression 預測疾病風險（如糖尿病、乳癌）

• 以 Random Forest 判別基因型與表現型之間的關係

• 使用深度學習模型分析病理影像或單細胞 RNA-seq

• 建立 Polygenic Risk Score（PRS）模型整合 GWAS 結果

---

機器學習是資料驅動科學的核心，結合統計學、演算法與實際資料，能提供強大的預測能力與資料洞察。在生物資訊與精準醫療時代，學習掌握機器學習方法是不可或缺的技能。