某商業銀行想建立洗錢行為檢測系統，擁有過去 5 年的交易記錄，其中包含已確認的洗錢案例（標記為「異常」）和正常交易（標記為「正常」）。銀行希望系統能自動識別新交易是否為洗錢行為，請問使用下列哪一種機器學習方法最為適合？
答案 （A）
核心概念
判斷學習類型只看兩件事——有沒有標籤、輸出是什麼。題目明講交易記錄已經標記為「異常」與「正常」，這就是完整的標籤；而要判斷新交易屬於哪一類，輸出是離散的類別。有標籤 ＋ 輸出類別 ＝ 監督式學習的分類問題。
本題詳解提到同卷第 22 題。
答題技巧
快速判斷技巧：先找標籤。題幹只要出現「已標記」「已確認案例」「歷史標籤」，答案就在監督式學習裡；再看輸出是類別（分類）還是數值（迴歸）。
易錯陷阱：異常偵測常與非監督式學習綁在一起（本卷第 22 題就是），容易讓人反射性選 (B)。關鍵差異在於「有沒有標註好的異常樣本」——有標籤就用監督式，沒標籤才走非監督路線。這兩題放在同一份考卷，正是要測驗這個分辨能力。