某農業合作社欲根據歷年各田區的日照時數、降雨量、施肥量及土壤酸鹼值等資料，搭配各田區當季實際收穫的稻米產量（公噸），建立模型，以預測下一季新田區的稻米產量（連續數值）。請問下列哪一組「學習類型／演算法／評估方式」的搭配最為合理？

Question

(A) 監督式學習（Supervised Learning）／K-means／準確率（Accuracy）
(B) 強化學習（Reinforcement Learning ）／Q-learning ／累積報酬（CumulativeReward）
(C) 監督式學習（Supervised Learning）／線性迴歸（Linear Regression）／平均絕對誤差（MAE）
(D) 監督式學習（Supervised Learning）／支援向量機分類器（SVC）／混淆矩陣（Confusion Matrix）

Accepted Answer

正確答案：(C) 監督式學習（Supervised Learning）／線性迴歸（Linear Regression）／平均絕對誤差（MAE）

有歷史產量當答案、要預測連續數值，就是監督式學習配線性迴歸配誤差指標。
判斷順序：
・有沒有標準答案？有，各田區的實際產量 → 監督式學習（Supervised Learning）
・答案是數值還是類別？公噸是連續數值 → 迴歸，線性迴歸（Linear Regression）最直接
・怎麼評估？迴歸用誤差，平均絕對誤差（MAE）看預測跟實際平均差幾公噸

稻米產量預測的學習類型搭配

核心概念

答題技巧