經典機器學習

歡迎來到人工智能概念（COMP5511）的第 6 課。本課程旨在連接理論基礎與實際的演算法實作。雖然現代人工智能通常強調深度學習，經典機器學習 仍然是數據分析的基石。這些演算法具有高度的可解釋性 和 計算效率，因此它們是結構化數據和行業標準分析的首選。

1. 監督式學習

此範例涉及在一個標記數據集上訓練模型，演算法會學習輸入特徵與特定目標輸出之間的關係。這使模型能夠準確地預測結果，用於新的、未見過的數據。

• 決策樹: 將數據分割成分支以達成分類或數值決策的模型。
• 支援向量機 (SVMs): 尋找最佳超平面以最大化不同數據類別之間邊界的演算法。

2. 非監督式學習

這些演算法分析未標記數據，以在沒有預先指導的情況下發現隱藏的模式、結構或分組。主要技術包括：

• K-均值分群: 根據特徵相似性將數據點分組為 K 個不同的群集。
• 主成分分析 (PCA): 一種降維技術，用於簡化複雜數據同時保留其基本變異性。