机器学习

人工智能之核心基础 机器学习 第九章 聚类算法 9.1 K-Means 聚类 🎯 核心思想：让“群内紧凑，群间分离” 想象你要在操场上把学生分成 K 组做游戏，目标是： 每组学生站得尽量近 不同组之间

人工智能之核心基础 机器学习 第八章 无监督学习概述 8.1 什么是无监督学习？ 📌 定义：从“没有答案”的数据中找规律 ✅ 核心特点： 输入只有特征 $X$，没有标签 $y$ 目标不是预测，而是理解

人工智能之核心基础 机器学习 第七章 监督学习总结 一、监督学习核心任务回顾 监督学习解决两类问题： 任务类型 目标 输出形式 典型场景 分类 预测离散类别标签 “是/否”、“猫/狗/鸟” 垃圾邮件识

人工智能之核心基础 机器学习 第六章 朴素贝叶斯 6.1 贝叶斯定理基础 📌 核心公式：用已知反推未知 公式如下： $$ P(Y|X) = \frac{P(X|Y) \cdot P(Y)}{P(X)}

人工智能之核心基础 机器学习 第五章 支持向量机（SVM） 5.1 SVM核心思想 🎯 核心目标：找一条“最宽”的分界线！ 想象你有一堆红球和蓝球散落在桌上，你要用一张纸把它们完全分开。 SVM 的目

人工智能之核心基础 机器学习 第四章 决策树与集成学习基础 4.1 决策树原理 🌳 什么是决策树？ 决策树就像“20个问题”游戏——通过一系列是/否问题，一步步缩小范围，最终做出判断。 🔑 核心组成部

人工智能之核心基础 机器学习 第三章 线性回归与逻辑回归 3.1 线性回归（Linear Regression） 📌 模型原理：用一条“直线”预测数值 目标：根据输入特征（如房屋面积、房间数）预测一个

人工智能之核心基础 机器学习 第二章 监督学习 2.1 监督学习的定义与特点 📌 什么是监督学习？ 监督学习就像“有老师教学生”的过程。 你给计算机一堆已经知道答案的例子（比如：“这张图是猫”、“那封