歡迎來到預測分析（Predictive Analytics）的基礎！

你好！在開始編寫程式碼或為 Exam PA 建構複雜模型之前，你需要精確地釐清你所要解決的問題類型。將這一章節視為你的「藍圖規劃階段」。就像建築師在動工前必須先有藍圖一樣，精算師在定義問題特性之前，也不應貿然開始建模。

在本節中，我們將學習如何識別數據的本質、模型的目標以及我們面臨的限制。如果其中一些術語對你來說很陌生，不用擔心——我們會逐一為你拆解！


1. 問題的核心：監督式學習與非監督式學習

你需要問自己的第一個問題是：「我是否有一個具體的目標（Target）需要預測？」

監督式學習（Supervised Learning）

在監督式學習中，我們擁有一個「導師」（即目標變數）。我們為模型提供輸入（特徵，Features）以及已知的結果（標籤，Label）。模型透過學習兩者之間的關係，從而對新的、未見過的數據進行預測。

比喻：想像你在教導孩子辨識水果。你給他們看一個蘋果並說：「這是蘋果。」你給他們看一個橘子並說：「這是橘子。」這就是監督式學習，因為你提供了標籤。

非監督式學習（Unsupervised Learning）

在非監督式學習中，沒有目標變數。我們單純是在數據本身中尋找模式（Patterns）或群組（Clusters）。

比喻：你給孩子一桶混在一起的積木，告訴他們：「把看起來相似的東西放在一起。」他們可能會根據顏色或形狀將積木分組，而你並沒有告訴他們每一組具體叫什麼名稱。

快速複習：大多數 Exam PA 的考題都屬於監督式學習任務，因為身為精算師，我們通常需要預測具體的數值，例如索賠成本或保單失效情況。


2. 迴歸與分類（目標變數的類型）

一旦確定是在進行監督式學習，我們必須判斷目標變數的類型。這是 Exam PA 中最重要的步驟之一！

迴歸（Regression，連續型目標）

當目標變數是數值且連續時，我們使用迴歸。如果你可以測量它，且它具有明確的順序（例如金額或時間），那它很可能是一個迴歸問題。

範例：
- 預測保險索賠的美元金額。
- 估計處理一宗法律案件所需的時間。
- 計算業務組合的損失率（Loss Ratio）。

分類（Classification，類別型目標）

當目標變數屬於離散類別（Discrete Category）時，我們使用分類。

範例：
- 客戶會續保（Renew）還是失效（Lapse）？（二元分類：是/否）
- 索賠是欺詐（Fraudulent）還是合法（Legitimate）？
- 駕駛屬於哪一個「風險等級」：低、中或高？（多類別分類）

你知道嗎？有時候界線可能較為模糊。例如，你可以將「年齡」視為連續數值（迴歸），也可以將其分組為「年齡區間」，如 18-25 歲、26-40 歲等（分類）。具體選擇取決於你的商業目標！


3. 預測與解釋：兩者之間的取捨（The Great Trade-off）

在定義預測模型問題時，你必須決定什麼更重要：準確性（Accuracy）還是可解釋性（Understanding/Interpretability）。

預測目標（「黑盒」模型）

有時候，我們只在乎得到盡可能準確的預測。如果一個模型能完美預測索賠成本，但我們並不完全了解它為什麼做出這些選擇，對於某些自動化系統來說，這或許是可以接受的。

解釋目標（「白盒」模型）

身為精算師，我們經常需要向利害關係人或監管機構解釋我們的結果。我們必須知道哪些特徵（例如年齡或地點）正在驅動預測，以及影響程度有多大。簡單的模型如廣義線性模型（GLMs）非常適合解釋；而複雜的模型如隨機森林（Random Forests）通常在原始預測能力上較強，但卻較難解釋。

關鍵要點：在 Exam PA 考試中，你經常被要求平衡這兩者。務必考量：如果是一個你無法解釋的模型，監管機構是否會接受？


4. 數據結構：結構化與非結構化數據

在進行建模之前，你必須了解數據的「形狀」。

結構化數據（Structured Data）

這是「經典」的數據格式。想像一個帶有行與列的試算表。每一行是一個觀察值（Observation）（例如一位保單持有人），每一列是一個特徵（Feature）（例如車齡）。

非結構化數據（Unstructured Data）

這包含索賠記錄中的文字、車禍照片或客戶服務通話的錄音檔等。雖然資訊量大，但非結構化數據通常需要先轉換為結構化格式，大多數預測模型才能使用它們。

記憶小技巧：記得結構化數據的 "ROC"：Rows（行/觀察值）、Observations（觀察值）、Columns（列/特徵）。


5. 道德考量與數據隱私

這是 SOA 課程中的一個重要主題。並非所有數據在倫理上都是「公平」使用的，即使它能提高模型的準確性。

在定義問題時，你必須過濾掉受保護的特徵（Protected Characteristics）。這些是基於法律或道德原因，不應被用於決策的變數，例如：

- 種族或族群
- 宗教
- 健康狀況（在某些類型的保險中）
- 性別（取決於司法管轄區和產品）

常見錯誤：使用「代理變數（Proxy Variable）」。即使你移除了「種族」，但如果你使用了與特定種族高度相關的「郵遞區號」，你的模型可能仍然存在偏見。這被稱為間接歧視（Indirect Discrimination）。


問題定義總結清單

在進入下一章之前，請確保你能夠回答任何場景下的以下問題：

1. 是否有目標？（監督式 vs. 非監督式）
2. 目標是什麼類型？（迴歸/連續型 vs. 分類/類別型）
3. 優先考量為何？（準確性 vs. 可解釋性）
4. 是否存在道德隱憂？（潛在偏見或受保護族群）

快速複習框：
- 迴歸：預測一個數值（例如 \( \hat{y} = \$1,250 \)）。
- 分類：預測一個標籤（例如 \( \text{Result} = \text{'Lapse'} \)）。
- 監督式：我們擁有已知的結果來進行學習。
- 非監督式：我們正在尋找隱藏的結構。

如果現在覺得這些聽起來還很理論化，別擔心！在接下來的章節中，我們將開始接觸實際數據，並學習如何為模型進行資料清理。你做得很好！