经典机器学习

经典机器学习

欢迎来到人工智能概念（COMP5511）第 6 课。本节课将带您从理论基础迈向实用的算法实现。尽管现代人工智能往往侧重于深度学习， 经典机器学习 依然是数据分析的基石。这些算法具有高度的 可解释性 和 计算效率，使其成为结构化数据和行业标准分析的首选。

1. 监督学习

这一范式通过在 标注数据集上训练模型，算法从中学习输入特征与特定目标输出之间的关系。这使模型能够 预测结果 ，准确应对全新的、未见过的数据。

• 决策树：将数据拆分为分支以得出分类或数值决策的模型。
• 支持向量机（SVM）：寻找 最优超平面 以最大化不同数据类别之间间隔的算法。

2. 无监督学习

这些算法分析 未标注数据 ，在没有预先告知输出结果的情况下发现隐藏的模式、结构或分组。主要技术包括：

• K-means 聚类：根据特征相似性将数据点分为 K 个不同的组。
• 主成分分析（PCA）：一种 降维 技术，用于在保留关键方差的同时简化复杂数据。