人工智能与机器人技术手册.docx

与技术手册

第1章基础理论

1.1机器学习算法原理

机器学习算法的核心在于从大量标注数据中自动发现规律，而非依赖人工编写规则。以逻辑回归为例，当输入特征为“温度”和“湿度”时，算法通过最小化二分类损失函数（如交叉熵损失），计算出最优的阈值参数，从而判断样本属于“干燥”还是“潮湿”类别，其收敛过程可通过梯度下降法迭代更新权重。支持向量机（SVM）通过寻找高维空间中的最大间隔超平面来分割数据，当训练数据为1000个不同类别的图像样本时，SVM会计算每个样本到超平面的距离，最终保留离超平面最远的“支持向量”来定义边界，确保新样本分类准确率高。

决策树算法利用递归分割策略构建规则树