經典機器學習

歡迎來到《人工智慧概念》（COMP5511）第6課。本課程將理論基礎與實際的演算法實現相連結。儘管現代人工智慧常強調深度學習，但經典機器學習仍是資料分析的基石。這些演算法具有高度的可解釋性與計算效率，使其成為結構化資料與產業標準分析的首選方案。

1. 監督式學習

此範疇涉及在一個標記資料集上訓練模型，讓演算法學習輸入特徵與特定目標輸出之間的關係。這使模型能準確地預測結果對新出現的未見資料進行準確預測。

• 決策樹: 將資料分割成分支以達成分類或數值判斷的模型。
• 支援向量機（SVM）: 找出最佳超平面以最大化不同資料類別間的邊距。

2. 非監督式學習

這些演算法分析未標記的資料以發現隱藏的模式、結構或群組，且無需事先了解輸出應為何種形式。主要技術包括：

• K-均值聚類: 根據特徵相似性，將資料點分組成 K 個獨立群組。
• 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性。