经典机器学习

欢迎来到人工智能概念（COMP5511）的第 6 课。本课程旨在从理论基础过渡到实际的算法实现。虽然现代人工智能通常侧重于深度学习，经典机器学习 仍然是数据分析的基石。这些算法具有高可解释性 和 计算效率，因此它们是结构化数据和行业标准分析的首选。

1. 监督学习

这种范式涉及在标记数据集上训练模型，算法从中学习输入特征与特定目标输出之间的关系。这使得模型能够准确地预测结果。

• 决策树：将数据拆分成分支以达成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

这些算法分析无标签数据，以发现隐藏的模式、结构或分组，而无需事先指导输出应是什么。主要技术包括：

• K-均值聚类：根据特征相似性将数据点分组为 K 个不同的簇。
• 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基本方差。