人工智能训练师考试｜算法基础入门学习笔记（考点版）.docxVIP

人工智能训练师考试｜算法基础入门学习笔记（考点版）

前言

本笔记专为人工智能训练师职业等级考试整理，适配五级/四级/三级全部学员。摒弃计算机专业复杂推导、数学证明，只保留考试必考概念、算法分类、场景选型、优缺点、真题易错点。本章节为考试固定分值模块，以选择题、判断题、简单简答题为主，是拿分核心基础。

考试核心要求：不用会手写算法，必须会「认算法、分场景、辨对错、选模型」。

一、AI算法整体体系（考试总框架）

1.1算法三大范式（必考辨析）

和前文学习范式完全对应，算法是实现学习范式的具体方法

监督学习算法：有标签、学映射、用于预测和分类

无监督学习算法：无标签、找规律、用于聚类和降维

强化学习算法：无数据集、靠交互、试错优化策略

1.2算法选型核心原则（考试万能判断）

有标签、猜类别→分类算法

有标签、猜数值→回归算法

无标签、自动分组→聚类算法

特征太多、数据冗余→降维算法

动态决策、自动控制→强化学习算法

二、监督学习必考算法（考试最高频）

2.1逻辑回归（高频选择/判断）

核心定位：经典二分类算法，训练快、可解释性强，工业基线模型

考试必背特点

输出0~1概率值，用于二分类场景：正负情感、是否违规、是否患病

优点：简单、训练快、不易过拟合、可解释

缺点：无法拟合极度复杂非线性关系

真题易错点：逻辑回归是分类算法，不是回归算法（名称误导，年年挖坑）。