集成學習 (Ensemble learning)
集成學習是一種機器學習技術，通過將多個基礎學習器（如決策樹、支持向量機、神經網絡等）組合起來協同工作，形成一個整體的預測模型，以獲得比單一模型更高的準確性和穩定性。其核心思想是“眾人拾柴火焰高”，通過集成多個模型的力量，彌補單個模型的不足，提高預測性能和泛化能力。
查看AI術語
折扣係數 (Discount factor)
折扣係數是數學和經濟學中用來衡量未來收益或回報值相比於當前價值的一種比例係數。它在強化學習、金融投資、計算經濟學等領域中扮演重要角色，用來將未來可能獲得的收益折算為現值，反映時間偏好和風險，幫助決策者在權衡短期與長期利益時做出合理判斷。
查看AI術語
決策樹 (Decision tree)
決策樹是一種廣泛應用於機器學習和統計分析中的預測模型，利用樹狀結構來表達決策過程。它的結構類似一棵倒掛的樹，從根節點開始根據特徵依次對數據進行劃分，直至達到葉節點產生分類或預測結果。決策樹模型常用於分類（判定某事物屬於哪一類）與迴歸（預測連續值）任務，因其直觀、易於理解與解釋，成為人工智慧及數據挖掘中不可或缺的工具。
查看AI術語
數據挖掘 (Data mining)
數據挖掘是一種從大量、複雜且通常是雜亂無章的數據中，透過多種統計學、機器學習、模式識別和資料庫技術，挖掘出潛在、有價值且先前未知的知識和規律的過程。數據挖掘旨在提供科學的決策支持與業務洞察，幫助企業和組織從海量數據中提取可操作的智慧，推動業務優化和創新。
查看AI術語
交叉驗證 (Cross-validation)
交叉驗證是一種在機器學習和統計分析中常用的模型驗證技術，用於評估模型在未見過數據上的表現與泛化能力。通過將數據集分割為多個子集，交叉驗證能夠幫助減少訓練結果因為特定訓練/測試數據劃分帶來的偏差，從而更準確地估計模型的真實效能，避免過擬合或欠擬合。
查看AI術語