第 1 章　機器學習簡介與環境安裝¶

預計閱讀 30 分鐘・先備：無（會用瀏覽器即可）

本章你會學到

分辨機器學習、傳統程式與統計推論各自在解決什麼問題
說出監督式、非監督式、強化學習的差別，並各舉一個醫學例子
畫出一個機器學習專案從資料到評估的完整流程
解釋為什麼一定要留一份「測試集」，以及過擬合長什麼樣子
在 Google Colab 上用五行程式訓練出第一個乳癌分類模型

1. 直覺：從一個臨床情境開始¶

想像你剛進病理科見習。第一天，學長姐拿出一疊細針抽吸（fine-needle aspiration）的細胞抹片，一張一張告訴你：「這張是良性，細胞核小而圓；這張是惡性，核大、形狀不規則、邊緣有凹陷。」你看了幾百張之後，就算沒人給你一條條寫死的規則，也慢慢能對一張沒看過的抹片說出「這張看起來像惡性」。

這個過程有三個重點：

你看的是有答案的例子：每一張抹片都附上病理診斷。
你沒有背下每一張，而是從中歸納出一種判斷方式，例如「核愈大、愈不規則，愈可能是惡性」。
真正的考驗是沒看過的片子：如果你只能認出看過的那幾百張，那叫背答案，不叫學會。

機器學習（machine learning）做的事情幾乎一模一樣：給電腦大量「有答案的例子」，讓它自己歸納出判斷規則，再拿規則去預測新的病人。本章後面的程式碼，就是讓電腦去看 569 位病人的細胞核量測值，學著分辨良性與惡性。

再對照另一種做法。在機器學習普及以前，如果要寫一個「自動判讀」的程式，得請資深病理專家把判斷流程寫成一條條規則：「若核半徑大於某值，且凹點數超過某值，則判為惡性……」。這就像把臨床診斷流程圖直接寫死在程式裡。這種做法在規則清楚的問題上很好用，但遇到影像判讀這種連專家都很難把規則講完整的任務，就寫不下去了。

機器學習換了一個思路：與其由人寫規則，不如給電腦一千份病歷和它們的答案，讓它自己長出一張流程圖。

2. 核心概念¶

2.1 傳統程式 vs 機器學習¶

左：傳統程式由人寫規則，輸入資料得到答案；右：機器學習輸入資料與答案，學出規則

上圖是整章最重要的一張圖。傳統程式是「資料＋規則 → 答案」；機器學習把箭頭反過來，變成「資料＋答案 → 規則」。學出來的這套規則，我們稱為模型（model）。你可以把模型想成一位醫師多年經驗的「壓縮檔」：它不是一本記得每位病人的百科全書，而是一套從過去病例提煉出來、拿來判斷新病人的思考方式。

2.2 人工智慧、機器學習、深度學習是什麼關係？¶

新聞常把這三個詞混著用，但它們是一層包一層的關係：

人工智慧包含機器學習，機器學習包含深度學習的同心橢圓圖

人工智慧（artificial intelligence, AI）：範圍最大，泛指讓電腦做出看起來聰明的事。早期由人寫規則的「專家系統」也算 AI，但不是機器學習。
機器學習：AI 中「從資料學出規則」的那一大類。本網站第 4 到第 10 章介紹的迴歸、簡單貝氏、支援向量機、決策樹、K-平均分群，都在這一層。
深度學習（deep learning）：機器學習中使用多層神經網路的那一支，特別擅長影像、語音、文字。第 9 章會碰到它的入門版本，「深度學習篇」（第 12 章起）再往影像與文字延伸。

所以「用深度學習判讀胸部 X 光」同時也是機器學習、也是人工智慧；但「用邏輯迴歸預測住院死亡」是機器學習，不是深度學習。

2.3 機器學習和統計有什麼不同？¶

你在流行病學或生物統計課學過的邏輯迴歸（logistic regression，又稱羅吉斯迴歸），在機器學習課本裡也會出現。那兩者到底差在哪？最大的差別在於問題的重心：

	傳統程式	統計推論	機器學習
核心問題	照規則把事情做對	某個因子和結果有沒有關聯？效果多大？	對新的個案，預測得準不準？
規則從哪來	人寫	人先假設模型形式，再由資料估計參數	由資料學出，模型形式可以很彈性
典型輸出	答案	勝算比、95% 信賴區間、p 值	預測值、預測機率
怎麼算成功	結果符合規則	估計不偏、推論有效	在沒看過的資料上表現好
醫學例子	依公式算 eGFR	吸菸與肺癌的勝算比	用檢驗值預測誰會在 30 天內再住院

同一個邏輯迴歸，統計學家關心的是「年齡每增加 10 歲，勝算比是多少、信賴區間有沒有跨過 1」，這是解釋；機器學習關心的是「把模型拿去預測下一批病人，猜中幾成」，這是預測。兩者使用的數學常常一樣，但評估標準不同。第 4 章講迴歸時會再回來比較。

2.4 三種學習方式¶

依照「給電腦的資料有沒有答案」，機器學習大致分成三種：

同一批乳癌資料：左圖只有量測值；中圖依病理答案上色（監督式）；右圖沒有答案、由演算法自己分成兩群（非監督式）

監督式學習（supervised learning）：每筆資料都有答案，稱為標籤（label）；模型學習從量測值（稱為特徵（feature））預測標籤。上圖中間就是監督式：每個點都知道病理是良性還是惡性。答案是類別的叫分類（classification），例如良性／惡性；答案是數值的叫迴歸（regression），例如預測住院天數。本網站大部分章節都屬於這類。
非監督式學習（unsupervised learning）：資料沒有答案，演算法自己找出結構。上圖右邊是 K-平均分群（第 8 章）在「完全不知道病理結果」的情況下把病人分成兩群；它分出的兩群和真實診斷有幾分像，但並不完全一致。醫學上常用來探索疾病的亞型，例如把心衰竭病人依臨床特徵分群。
強化學習（reinforcement learning）：模型像在玩遊戲，每做一個決策就得到獎勵或懲罰，從試錯中學出最好的策略。研究上有人嘗試用來調整加護病房的升壓劑與輸液劑量，但離臨床常規使用還很遠。本網站不會深入這一類。

2.5 一個機器學習專案的完整流程¶

不管用哪個演算法，流程都差不多：

flowchart LR
    A[定義臨床問題] --> B[收集資料]
    B --> C[資料前處理]
    C --> D[切分訓練集／測試集]
    D --> E[在訓練集上訓練模型]
    E --> F[在測試集上評估]
    F -->|表現不夠好| C
    F -->|夠好| G[外部驗證與臨床評估]

幾個容易忽略的地方：

第一步是問題，不是演算法。「我要用神經網路」不是研究問題；「能不能用門診常規檢驗值，提早找出三年內會進展到透析的病人」才是。
切分要在訓練之前，而且測試集從頭到尾都不能拿來調整模型，否則就像考前偷看考卷。第 3 章會談到前處理也要小心這件事。
在自己的測試集上表現好，不代表在別家醫院也好。模型要進臨床之前，還需要用另一家醫院、另一段時間的資料做外部驗證（external validation），再評估它到底有沒有改善病人結果。

2.6 訓練集、測試集與過擬合¶

回到見習的比喻。學長姐給你看的那幾百張抹片是訓練集（training set）；期末考那些你沒看過的抹片是測試集（test set）。訓練集用來學規則，測試集只用來打分數。

為什麼一定要分開？因為一個模型如果夠複雜，它可以把訓練資料「整本背下來」，包括裡面的雜訊與巧合。這種模型在訓練集上滿分，碰到新病人卻表現平平，這個現象叫過擬合（overfitting）；樂詞網的官方譯名是「過度配適」，意思相同。反過來，模型太簡單、連訓練資料的規律都抓不到，叫配適不足（underfitting）。

下圖是用決策樹（第 7 章）做的實驗：樹的深度愈深，模型愈複雜。

決策樹深度 1 到 15 時訓練集與測試集準確率：訓練集在深度 7 達到 1.0，測試集在深度 3、4 最高約 0.944，之後下降到 0.923

訓練集準確率（綠線）一路爬升到 100%，但測試集準確率（橘線）在深度 3、4 就到頂，之後反而下滑。只看訓練集分數，你會以為深度 15 最好；看了測試集，才知道它只是背得比較熟。只報告訓練集分數的模型，就像只報告「考古題原題」的模擬考成績。

數學補充（可跳過）：模型在「學」什麼？

以監督式學習來說，模型是一個帶有未知參數 \(\theta\) 的函數 \(f_\theta(x)\)，輸入特徵 \(x\)、輸出預測 \(\hat{y}\)。「學習」就是找一組參數，讓訓練集上的平均損失最小：

\[ \hat{\theta} = \arg\min_{\theta} \frac{1}{n}\sum_{i=1}^{n} L\big(y_i,\, f_\theta(x_i)\big) \]

其中 \(L\) 是損失函數（loss function），衡量預測 \(f_\theta(x_i)\) 和真實答案 \(y_i\) 差多少。但我們真正在乎的是沒看過的資料上的損失，也就是期望值 \(\mathbb{E}\,[L(y, f_\theta(x))]\)。訓練集損失只是它的樂觀估計，所以需要獨立的測試集來估計真正的表現。模型愈彈性（參數愈多），兩者的落差通常愈大，這就是過擬合的數學樣貌。

3. 動手做¶

3.1 環境安裝¶

寫機器學習程式需要 Python 和幾個套件（package）。本網站以 Google Colab 為主，完全不用安裝；想在自己電腦跑的話，再看另外兩個選項。

Google Colab（推薦）Anaconda + Jupyter（選配）VS Code（選配）

Colab 是 Google 提供的免費線上 Jupyter Notebook 環境，程式在 Google 的雲端主機上執行，你只需要瀏覽器和 Google 帳號。

點本章上方的「在 Colab 開啟」按鈕，notebook 會直接在 Colab 打開。
第一次執行時可能會跳出「這個筆記本並非由 Google 建立」的提醒，確認來源後按「仍要執行」。
點選程式碼格子，按 Shift+Enter 執行並跳到下一格；或從上方選單「執行階段 → 全部執行」。
想保留自己的修改：選單「檔案 → 在雲端硬碟中儲存副本」。

Colab 已預裝 numpy、pandas、matplotlib、scikit-learn 等本網站會用到的套件。免費版閒置一段時間會自動斷線，斷線後變數會消失，重新「全部執行」即可。

想離線使用、或之後要處理不能上傳雲端的資料，可以在自己電腦安裝 Anaconda。

到 Anaconda 官網下載對應作業系統的安裝檔，照預設選項安裝。
打開 Anaconda Navigator，啟動 JupyterLab；瀏覽器會出現一個本機的 notebook 介面。
用本章上方「下載 Notebook」取得 .ipynb 檔，在 JupyterLab 中打開即可執行。

Anaconda 已內含本網站需要的主要套件。若缺某個套件，在 notebook 中執行 %pip install 套件名稱 安裝。

如果你已經習慣用 VS Code 寫程式，安裝 Python 與 Jupyter 兩個擴充功能後，就能直接打開 .ipynb 檔。右上角「Select Kernel」選一個已安裝 scikit-learn 的 Python 環境（例如 Anaconda 的 base 環境），就能像在 Colab 一樣逐格執行。

版本差異

不同環境的套件版本不同。本網站的 notebook 以 Colab 當下的版本為基準（scikit-learn 1.6），也在較新版本（scikit-learn 1.9、pandas 3）測試過。每個 notebook 第一格會印出版本號，遇到錯誤時先看這裡。

3.2 載入資料¶

本章使用 Breast Cancer Wisconsin (Diagnostic) 資料集（簡稱 WDBC），它是 scikit-learn 內建的資料，一行就能載入，不需網路。下面這段程式碼載入資料並印出基本資訊：

from sklearn.datasets import load_breast_cancer

data = load_breast_cancer(as_frame=True)
df = data.frame

print("資料大小（列, 欄）:", df.shape)
print("target 的意義:", dict(enumerate(data.target_names.tolist())))
print(df["target"].value_counts().rename(index=dict(enumerate(data.target_names.tolist()))))

資料大小（列, 欄）: (569, 31)
target 的意義: {0: 'malignant', 1: 'benign'}
target
benign       357
malignant    212

一共 569 位病人、30 個特徵加 1 個答案欄，其中良性 357 位、惡性 212 位。請特別記住：這份資料的編碼是 0 = 惡性、1 = 良性，跟一般「1 = 有病」的直覺相反。

3.3 五行程式跑出第一個模型¶

接下來把資料切成訓練集與測試集，用訓練集訓練一棵決策樹，再到測試集上打分數。扣掉兩行 import，核心只有五行：

from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, stratify=y, random_state=42)
model = DecisionTreeClassifier(max_depth=3, random_state=42)
model.fit(X_train, y_train)
print("測試集準確率:", round(model.score(X_test, y_test), 3))

測試集準確率: 0.944

逐行看：X 是 569 × 30 的特徵表、y 是答案；train_test_split 把 25% 的病人藏起來當測試集，stratify=y 讓兩邊的惡性比例相同，random_state=42 固定隨機切法以便重現；fit 就是「學習」這個動作；score 算出測試集中判對的比例。0.944 代表 143 位測試病人中大約 94% 被判對。

把同一個模型在訓練集與測試集的分數放在一起比：

print("訓練集準確率:", round(model.score(X_train, y_train), 3))
print("測試集準確率:", round(model.score(X_test, y_test), 3))
print("訓練集人數:", len(y_train), "／ 測試集人數:", len(y_test))

訓練集準確率: 0.977
測試集準確率: 0.944
訓練集人數: 426 ／ 測試集人數: 143

訓練集分數比測試集高，是正常現象；關鍵在差距有沒有大到不合理。你可以在 notebook 第 5 節把深度從 1 調到 15，重現上一節的過擬合圖。

3.4 換成你熟悉的邏輯迴歸¶

最後，用同一份切分訓練一個邏輯迴歸。這裡先用 StandardScaler 把每個特徵轉成 z 分數（平均 0、標準差 1），再接上邏輯迴歸；make_pipeline 把兩個步驟串成一個模型，solver="liblinear" 是一種適合小型資料的求解方式：

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

logit = make_pipeline(StandardScaler(), LogisticRegression(solver="liblinear"))
logit.fit(X_train, y_train)
print("邏輯迴歸 訓練集準確率:", round(logit.score(X_train, y_train), 3))
print("邏輯迴歸 測試集準確率:", round(logit.score(X_test, y_test), 3))

邏輯迴歸 訓練集準確率: 0.988
邏輯迴歸 測試集準確率: 0.986

在這一次切分中，邏輯迴歸的測試集準確率（0.986）高於深度 3 的決策樹（0.944）。但測試集只有 143 人，兩者只差幾位病人，換一個 random_state 結果可能就不同；只憑這一次切分，還不能說邏輯迴歸比較好。要公平比較模型，需要第 11 章的交叉驗證。

4. 醫學案例¶

僅供學習

本例使用公開的 WDBC 教學資料集示範機器學習流程，僅供學習，不構成臨床建議。

資料來源：WDBC 由美國威斯康辛大學的研究者建立，每筆資料是一位乳房腫塊病人的細針抽吸影像，由電腦描出細胞核輪廓後，計算 10 種形態量測（半徑、紋理、周長、面積、平滑度、緊密度、凹陷程度、凹點數、對稱性、碎形維度），每種各取平均值、標準誤與最差值，共 30 個特徵；答案是病理診斷。資料以 CC BY 4.0 授權公開於 UCI Machine Learning Repository，scikit-learn 內建的是同一份資料。

把準確率翻成醫學語言。準確率把所有錯誤一視同仁，但在癌症診斷中，把惡性判成良性（偽陰性）可能延誤治療，代價遠高於把良性判成惡性（偽陽性，多做一次切片）。我們把惡性當作陽性，計算你熟悉的敏感度與特異度：

import pandas as pd
from sklearn.metrics import confusion_matrix

y_pred = model.predict(X_test)
cm = confusion_matrix(y_test, y_pred, labels=[0, 1])   # 列 = 真實，欄 = 預測；順序 [惡性, 良性]
print(pd.DataFrame(cm,
                   index=["真實：惡性", "真實：良性"],
                   columns=["預測：惡性", "預測：良性"]))

sensitivity = cm[0, 0] / cm[0].sum()   # 惡性中被抓到的比例
specificity = cm[1, 1] / cm[1].sum()   # 良性中被正確排除的比例
print("\n敏感度 (sensitivity):", round(sensitivity, 3))
print("特異度 (specificity):", round(specificity, 3))

       預測：惡性  預測：良性
真實：惡性     48      5
真實：良性      3     87

敏感度 (sensitivity): 0.906
特異度 (specificity): 0.967

這個 2 × 2 表就是機器學習說的混淆矩陣（confusion matrix）。53 位惡性病人中有 5 位被判成良性，敏感度約 0.91；90 位良性病人中有 3 位被誤判為惡性，特異度約 0.97。整體準確率 94% 聽起來不錯，但「每 10 位惡性病人就漏掉將近 1 位」這個說法，才是臨床端真正在意的事。

看到高分時要冷靜。這份資料的分數普遍很高（本章邏輯迴歸接近 99%），但請記得：

資料只有 569 筆，來自單一機構、1990 年代初期的影像；
特徵是研究者精心量測的細胞核形態，不是臨床上隨手可得的資料；
模型沒有經過其他醫院的外部驗證。

回顧性研究中的漂亮數字，放到真實臨床常常會打折。2015 年一篇回顧指出，當時已有數千篇將機器學習用於醫學資料的論文，但真正對臨床照護有實質貢獻的很少（Deo, 2015）；JAMA 的讀者指引也強調，評估一個診斷工具要經過「建立、驗證、確認臨床效益」三個步驟（Liu et al., 2019）。這是讀任何一篇「AI 準確率 9X%」研究時都該帶著的眼光。

5. 互動體驗¶

第 9 章會嵌入 TensorFlow Playground（Apache-2.0），讓你直接在瀏覽器裡調整神經網路、觀察過擬合。現在就可以先點進去玩：選螺旋形的資料，按播放鍵，看模型怎麼慢慢學出分界線；再把「Ratio of training to test data」拉低，比較 Training loss 和 Test loss 的差距。

6. 常見陷阱¶

陷阱 1：用訓練集分數評估模型

訓練集是模型「看過的題目」，分數一定偏高。本章的決策樹在深度 7 以上訓練集就滿分，但測試集反而比淺的樹差。報告模型表現時，一律看模型沒見過的資料。

陷阱 2：搞反 WDBC 的陽性類別

scikit-learn 版 WDBC 的 target 是 0 = 惡性、1 = 良性。如果直接用 recall_score(y_test, y_pred) 這類預設把 1 當陽性的函式，算出來的會是「良性的敏感度」。第一次使用資料集時，先印出 target_names 確認編碼。

陷阱 3：只跑一次切分就下結論

143 位測試病人中，只要多判對或判錯 1 位，準確率就差 0.7 個百分點。改一下 random_state，決策樹和邏輯迴歸的分數可能都會變。比較模型時要用交叉驗證（第 11 章），並注意差異是否大過隨機波動。

7. 小測驗¶

Q1. 某研究用 2 萬張已由放射科判讀的胸部 X 光，訓練模型判斷有無肺炎。這屬於哪一種學習？

答案： 監督式學習中的分類問題。每張影像都有「有／無肺炎」這個標籤，模型學的是從影像預測標籤；標籤是類別，所以是分類。

Q2. 同學的模型訓練集準確率 100%、測試集 78%，他說：「訓練集滿分，模型很成功。」你會怎麼回應？

答案： 這是典型的過擬合訊號。訓練集滿分只代表模型記住了看過的資料；測試集 78% 才接近它面對新病人的表現。可以試著降低模型複雜度（例如限制決策樹深度），看測試集分數會不會上升。

Q3. 研究 A 用邏輯迴歸報告「糖尿病與中風的勝算比 1.8（95% CI 1.4–2.3）」；研究 B 用邏輯迴歸預測中風，報告測試集 AUC 0.82。兩者目的有何不同？

答案： 研究 A 是統計推論，目的是解釋某個因子與結果的關聯強度（觀察性研究的關聯，不等於因果）；研究 B 是機器學習式的預測，目的是對新病人預測得準不準。同一種模型，評估標準不同：A 看估計值與信賴區間，B 看模型在沒見過資料上的表現。

8. 重點整理¶

傳統程式是「資料＋規則 → 答案」，機器學習是「資料＋答案 → 規則（模型）」。
人工智慧 ⊃ 機器學習 ⊃ 深度學習，三者不是同義詞。
統計推論重「解釋」，機器學習重「預測」；邏輯迴歸兩邊都用，但評估方式不同。
監督式學習有標籤（分類、迴歸）；非監督式學習沒有標籤（分群）；強化學習從獎懲中學策略。
一定要保留測試集；訓練集分數高、測試集分數低就是過擬合。
臨床模型除了內部測試集，還需要外部驗證與臨床效益評估。
本網站以 Google Colab 為主要環境，點按鈕就能執行每章的 notebook。

延伸閱讀¶

Google Machine Learning Crash Course — Google 的免費入門課，過擬合與分類指標單元圖解清楚。
Microsoft ML-For-Beginners — 以專案為主的入門課程，第一單元介紹機器學習歷史與環境設定。
Deo RC. Machine Learning in Medicine. Circulation 2015 — 從臨床角度介紹監督式與非監督式學習，適合當第一篇醫學 ML 綜論。
Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. NEJM 2019 — 談機器學習進入臨床的機會與限制。
Liu Y, et al. How to Read Articles That Use Machine Learning. JAMA 2019 — 教你讀醫學 ML 論文時該問哪些問題。
scikit-learn 官方入門（Getting Started） — 本網站主要使用的套件，官方入門頁。

第 1 章 機器學習簡介與環境安裝¶