经典机器学习

欢迎来到人工智能概论（COMP5511）第6课。本课程是从理论基础到实际算法实现的桥梁。虽然现代人工智能常常强调深度学习， 经典机器学习 仍然是数据分析的基石。这些算法提供了高度的 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

这种范式涉及在 带标签的数据集上训练模型，算法学习输入特征与特定目标输出之间的关系。这使模型能够 准确预测结果 对于新的、未见过的数据。

• 决策树：将数据分成分支以得出分类或数值决策的模型。
• 支持向量机（SVMs）：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 未标记的数据 以发现隐藏的模式、结构或分组，而无需对输出内容进行任何预先指导。关键技术包括：

• K均值聚类：根据特征相似性将数据点划分为K个不同的组。
• 主成分分析（PCA）：一种 降维 技术，用于简化复杂数据同时保留其关键方差。