某製造工廠計劃導入 AI 預測產線設備的故障風險。維護團隊整理了過去五年的設備運作資料，並由資深工程師逐一完成人工標註，將每筆資料標示為「正常運作」或「發生故障」。若要利用這批已完成標註的歷史資料訓練分類模型，下列哪一種機器學習方法最適合？
答案 （A）
核心概念
判斷用哪種學習方式，先看訓練資料有沒有標準答案。
題幹已經講明：每筆資料都由工程師標好「正常運作」或「發生故障」。有標籤、要做分類，這就是監督式學習（Supervised Learning）的標準情境。
・全部有標籤 → 監督式學習
・全部沒標籤 → 非監督式學習（Unsupervised Learning）
・少量有標籤加大量沒標籤 → 半監督式學習（Semi-supervised Learning）
・靠環境回饋的獎勵來學 → 強化學習（Reinforcement Learning）
答題技巧
快速判斷技巧：看到「逐一完成人工標註」，直接選監督式學習（Supervised Learning）。 ・每筆都有標籤 → 監督式學習 ・只有少數有標籤 → 半監督式學習（Semi-supervised Learning） ・完全沒標籤 → 非監督式學習（Unsupervised Learning）
易錯陷阱：(D) 半監督式最容易誤選，因為它也用到標籤。 關鍵差異在標籤的比例：題目說「逐一」標註，代表全部都有。 警訊詞：「部分已標註」才是半監督式，「逐一標註」是監督式。