函授课程机器学习基础核心内容精简版.docxVIP

函授课程机器学习基础核心内容精简版

一、核心基础（必记，适配客观题）

1.课程界定：机器学习是人工智能的核心分支，研究计算机如何通过数据“自主学习”，无需明确编程指令，就能实现模式识别、预测分析的技术，核心是“数据驱动、自主优化”。函授课程侧重基础概念、核心算法及简单应用，不涉及复杂数学推导，是计算机类函授专业的基础素养课程。

2.核心特征（高频考点）：

数据驱动：核心依赖数据，数据质量和数量直接影响模型效果，无数据则无法完成学习。自主学习：通过算法从数据中挖掘规律，自动调整模型参数，无需人工干预优化过程。泛化能力：模型能将从训练数据中学到的规律，应用到未见过的新数据上（核心评价标准）。多样性：算法多样，可根据任务需求选择不同类型的机器学习算法，适配不同场景。

3.核心考查重点：机器学习基本概念、算法分类及核心算法、模型评价、简单应用场景，适配客观题、简答题，避免复杂公式推导。

二、核心基本概念（重中之重，适配所有题型）

重点记基础概念，明确含义，避免混淆，是理解后续算法的基础：

核心术语：

训练数据：用于模型学习、调整参数的数据（核心输入），分为特征值（输入数据，如图片像素、用户年龄）和标签值（输出结果，如分类标签、预测数值）。

测试数据：用于检验模型效果的未见过的数据，判断模型泛化能力。

模型：机器学习的核心载体，通过算法训练得到，用