某農場收集了大量作物葉片影像，但只有 30% 的影像有病害類別標註，其餘 70% 的影像沒有任何標籤。農場希望充分利用所有資料來訓練病害識別模型。這種情況最適合使用哪一種學習方法？

Question

(A) 半監督式學習（Semi-supervised Learning）
(B) 監督式學習（Supervised Learning）
(C) 非監督式學習（Unsupervised Learning）
(D) 強化式學習（Reinforcement Learning）

Accepted Answer

正確答案：(A) 半監督式學習（Semi-supervised Learning）

半監督式學習專門處理「少量標註 ＋ 大量未標註」的情境。
它先用已標註資料訓練出初步模型，再用這個模型對未標註資料產生偽標籤（Pseudo-labeling），或利用未標註資料學習資料的分布結構（一致性正則化），把兩邊的資訊都用上。這正好對應實務上最常見的困境。標註很貴，但原始資料很多。