經典機器學習

經典機器學習

歡迎來到人工智慧概念（COMP5511）第 6 課。本節課將作為從理論基礎通往實務演算法實作的橋樑。儘管現代 AI 經常強調深度學習， 經典機器學習 依然是資料分析的基石。這些演算法具備高度的 可解釋性 與 運算效率，使其成為結構化資料與業界標準分析的首選。

1. 監督式學習

此範式涉及在 標註資料集上訓練模型，讓演算法學習輸入特徵與特定目標輸出之間的關係。這使得模型能夠 預測結果 ，準確地對全新、未曾見過的資料進行預測。

• 決策樹：將資料分割成不同分支，以達成分類或數值決策的模型。
• 支援向量機（SVM）：尋找 最佳超平面 以最大化不同資料類別之間間隔的演算法。

2. 非監督式學習

這些演算法分析 未標註資料 ，以在沒有任何預先指示輸出應為何的情況下，發掘隱藏的模式、結構或分群。關鍵技術包括：

• K-means 分群：根據特徵相似度將資料點分為 K 個相異群組。
• 主成分分析（PCA）：一種 降維 技術，用於簡化複雜資料，同時保留其核心變異數。