機器學習原理：從資料學出規則
高中・進階理論
模型用訓練資料調整參數，讓預測誤差變小；但太複雜的模型會把訓練資料背下來（過度擬合），遇到新資料就失準（本站整理）。
一句目標 用示意資料分出訓練資料和測試資料，畫出直線和彎曲線兩個模型，算出兩者在測試資料上的誤差，說出哪個比較好、為什麼彎曲線可能過度擬合。
家長檢核 測試資料沒有拿來畫模型；兩個模型的測試誤差都算對；說得出訓練誤差小不代表新資料也準；能把過度擬合和只背考古題連起來說明；四件事都做到。
情境
用試算表和一份示意資料（10 天的氣溫和手搖飲杯數），拿 8 天當訓練資料、2 天當測試資料；比較一條直線和一條穿過每個訓練點的彎曲線，在測試資料上誰預測得比較準（資料是示意，本站建議）。
引導問題
- 考試前只背考古題，和機器過度擬合有什麼像？
學科路徑
資訊 / 人工智慧 / 機器學習
課綱對應
只列領域與總綱核心素養（A1–C3），不列學習表現或選修科目名稱。
- 領域
- 科技
- 議題
- 資訊教育
能力標籤
這是網站自己的專才／通才標籤，不是課綱代碼。
專才
機器學習
通才
跨域思考
人機分工
可以交給工具
- 訓練模型、計算誤差（結果要自己檢查，本站建議）
要自己經歷
- 解釋模型為何失準、決定是否可用
先備
- 機器學習初探：訓練、測試與偏誤 · 基礎科學 · 國中
- 資料分析與資料倫理 · 進階理論 · 高中
連結
跨學門關聯：數學（函數、統計）；科技領綱 資 D-V-2、運 t-V-3。
練習
目標：用示意資料分出訓練資料和測試資料，畫出直線和彎曲線兩個模型，算出兩者在測試資料上的誤差，說出哪個比較好、為什麼彎曲線可能過度擬合。 檢核：測試資料沒有拿來畫模型；兩個模型的測試誤差都算對；說得出訓練誤差小不代表新資料也準；能把過度擬合和只背考古題連起來說明；四件事都做到。
家庭時間
一起讀這條主線
主線：AI 與機器學習概念AI 與機器學習概念
孩子讀「機器怎麼學？」，大人讀「機器學習原理：從資料學出規則」，一起訓練一個分類模型並找出它常錯的地方。
可以一起問
- 考試前只背考古題，和機器過度擬合有什麼像？
一起做
用試算表和一份示意資料（10 天的氣溫和手搖飲杯數），拿 8 天當訓練資料、2 天當測試資料；比較一條直線和一條穿過每個訓練點的彎曲線，在測試資料上誰預測得比較準（資料是示意，本站建議）。
在主線上的位置
- AI 與機器學習概念
前一筆：機器學習初探：訓練、測試與偏誤
後一筆：神經網路與深度學習 · 下一個深度
內容授權
授權：待定。授權文字尚未公告。