經典機器學習

歡迎來到人工智慧概論 (COMP5511) 第6課。本節課作為從理論基礎到實務演算法實作的橋樑。雖然現代人工智慧往往強調深度學習， 經典機器學習 仍是資料分析的核心基礎。這些演算法提供高度的 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，演算法從中學習輸入特徵與特定目標輸出之間的關係。這使模型能夠 準確預測結果 於新的、未曾見過的資料。

• 決策樹：將資料分割成分支以達到分類或數值判斷的模型。
• 支援向量機 (SVMs)：尋找 最佳超平面 以最大化不同資料類別之間邊距的演算法。

2. 非監督式學習

這些演算法分析 未標註資料 以發掘隱藏的模式、結構或分群，無需事先知道輸出應為何。主要技術包括：

• K-means 聚類：根據特徵相似性將資料點分入 K 個不同的群組。
• 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關鍵變異。